半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用.pdf

1、高光譜遙感影像是含有光譜、空間以及輻射信息的光譜空間,它是由通過衛(wèi)星探測(cè)到的地面物體的光譜特征圖片所組成的。而高光譜遙感影像分類過程是將圖像中的樣本數(shù)據(jù)進(jìn)行分類,目的則是通過圖像樣本數(shù)據(jù)的分類而將圖像空間分類為各地物范圍空間。目前,高光譜遙感影像已越來越多地應(yīng)用于海洋遙感等諸多領(lǐng)域。然而,由于高光譜數(shù)據(jù)相鄰波段相關(guān)性強(qiáng)及光譜維數(shù)高的特點(diǎn),傳統(tǒng)的樣本分類方法容易由于操作數(shù)據(jù)量過大且分類鑒別性較差而無法獲得理想的分類結(jié)果,進(jìn)而陷入“維數(shù)災(zāi)難

2、”現(xiàn)象之中。因此,如何從大量高光譜遙感影像數(shù)據(jù)中提取出對(duì)樣本分類有用的信息,進(jìn)而提高影像的樣本分類精度,成為高光譜影像分類的一個(gè)主要研究目標(biāo)。本文根據(jù)高光譜影像的特點(diǎn),在現(xiàn)有維數(shù)約簡(jiǎn)和分類方法的基礎(chǔ)上,主要做了如下研究工作:
　　①對(duì)維數(shù)約簡(jiǎn)問題做了詳細(xì)的工作。本文回顧了維數(shù)約簡(jiǎn)算法的發(fā)展歷程,在現(xiàn)有流形降維算法中選擇較為常用的鄰域保持嵌入(NPE)算法,即在降維的同時(shí)保持樣本周圍的局部流形結(jié)構(gòu),在NPE算法的基礎(chǔ)上提出半監(jiān)督鄰域

3、保持嵌入(SSNPE)算法。SSNPE算法在保持樣本周圍的流形結(jié)構(gòu)的基礎(chǔ)上同時(shí)利用了標(biāo)記樣本和未標(biāo)記樣本,即同時(shí)利用了同類標(biāo)記樣本和鄰域未標(biāo)記樣本,然后通過增加近鄰標(biāo)記樣本的權(quán)重加大降維數(shù)據(jù)的鑒別性。SSNPE算法是半監(jiān)督算法,在一定程度下解決了高光譜遙感影像標(biāo)記樣本不足的問題及加大了數(shù)據(jù)樣本的鑒別性。
　?、趯?duì)高光譜遙感影像的分類方法做了詳細(xì)的工作。本文介紹了常用的高光譜遙感影像分類方法,在SSNPE維數(shù)約簡(jiǎn)的基礎(chǔ)上,選擇了K近

4、鄰(KNN)分類方法對(duì)降維數(shù)據(jù)進(jìn)行分類過程運(yùn)算,即通過比較目標(biāo)樣本與不同類的樣本之間的距離來確定目標(biāo)樣本本身類別的方法。通過常用高光譜影像分類方法的分類,即BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SVM)、KNN等分類方法對(duì)樣本數(shù)據(jù)的分類,驗(yàn)證了SSNPE算法維數(shù)約簡(jiǎn)的必要性,既減少了數(shù)據(jù)集數(shù)據(jù)的計(jì)算量又增加了數(shù)據(jù)的鑒別性。
　?、郜F(xiàn)有的分類方法多是監(jiān)督和非監(jiān)督方法,本文在KNN分類方法的基礎(chǔ)上提出半監(jiān)督K近鄰(SSKNN)算法,實(shí)現(xiàn)了SSNP