表示模型框架下多特征信息融合的高光譜圖像分類.pdf

1、高光譜遙感數(shù)據(jù)憑借非常高的光譜分辨率，在地物分類方面存在巨大的潛力，從而在礦藏勘探，環(huán)境保護等諸多領(lǐng)域得到了廣泛的應(yīng)用。近年來，隨著高光譜分類算法研究的不斷深入，融合了空間特征的分類模型成為學(xué)者們研究的熱點領(lǐng)域。而以往的許多研究忽視了空間特征的重要作用，以及很少對多種特征的融合策略進行研究?；谶@種現(xiàn)狀，本文主要對多種特征在不同的層面的融合方式進行研究，主要內(nèi)容如下:
　　第一，從高光譜遙感數(shù)據(jù)的構(gòu)成、特性，以及應(yīng)用的領(lǐng)域及國內(nèi)外

2、的研究現(xiàn)狀等方面，說明了高光譜圖像分類研究的重要意義?？偨Y(jié)了高光譜遙感圖像特征提取與融合的原理，特別介紹了特征層面和決策融合的原理和經(jīng)典的方法。闡述了高光譜數(shù)據(jù)分類的原理與流程，并對分類效果的評價機制的幾個重要指標(biāo)進行了說明。
　　第二，設(shè)計了一個基于多特征的加權(quán)殘差相加的融合策略。這些特征包括提取到的光譜特征、LBP和Gabor空間特征。在這個分類模型中，將每個圖像數(shù)據(jù)在分別進行3種特征提取之后用分類器（SRC或NRS）進行表示

3、后的3個殘差通過加權(quán)相加的方式融合到一起，得到的最終的表示殘差值即為最后分類的依據(jù)。實驗證明，此分類框架的分類精度遠遠高于只使用一種特征的分類模型。
　　第三，提出另外一種基于加權(quán)核合并的空間特征融合策略。這是因為，基于殘差融合的多特征融合方式雖然實現(xiàn)了分類精度的提高，對以往的融合方式進行了改進，但是在分類器的選擇上存在著局限性，過度依賴于基于表示模型的分類器。此融合策略將提取的LBP和Gabor空間特征通過復(fù)合核的方式進行特征層