基于域自適應(yīng)學(xué)習(xí)的高光譜圖像分類.pdf

1、在過(guò)去幾十年中，由于光譜傳感器設(shè)備和信息處理技術(shù)的不斷更新?lián)Q代，為遙感圖像研究者提供了更為豐富的空間信息、譜帶信息和時(shí)域信息。具有較高的光譜分辨率的高光譜圖像的出現(xiàn)為我們開(kāi)辟了新的應(yīng)用――高光譜圖像分類（Hyperspectral Image Classification），即以像素點(diǎn)為單位，利用每個(gè)像素點(diǎn)上所具有的高維光譜信息，以某種特定的方法進(jìn)行類標(biāo)標(biāo)記，從而完成對(duì)圖像中地物的分類任務(wù)。高光譜圖像分類目前已廣泛應(yīng)用于軍事領(lǐng)域和民用領(lǐng)

2、域。
　　傳統(tǒng)的監(jiān)督學(xué)習(xí)分類方法雖然在高光譜分類領(lǐng)域取得了較好的分類精度，但是這類方法都普遍依賴于訓(xùn)練樣本，并且獲取高光譜圖像類標(biāo)并不容易，往往需要消耗較高的成本。域自適應(yīng)算法則是將在已知區(qū)域訓(xùn)練好的分類模型遷移到未知區(qū)域，這樣就能避免重復(fù)地標(biāo)記訓(xùn)練樣本，從而節(jié)省大量的人力和物力。本文分別從兩個(gè)不同角度出發(fā)，提出了兩種域自適應(yīng)算法：首先從分類器角度為出發(fā)點(diǎn)，提出了主動(dòng)多核域自適應(yīng)分類算法。不同的核函數(shù)則意味著不同的“映射”方式，而

3、多數(shù)情況下我們并不知道哪一種核函數(shù)更適用于目前的數(shù)據(jù)集，所以我們采用核的線性加權(quán)求和的方法，解決了核函數(shù)選擇問(wèn)題，并結(jié)合最大平均差異使多核分類器具備了基本的域自適應(yīng)能力；而主動(dòng)學(xué)習(xí)讓多核分類器在較少的訓(xùn)練樣本前提下得到更高的分類精度。其次，從數(shù)據(jù)域的角度出發(fā)，提出了更加直觀的算法――基于核對(duì)齊的域自適應(yīng)分類算法；根據(jù)現(xiàn)有理論，要匹配源域和目標(biāo)域的概率分布，只需要匹配二者的核矩陣即可；這時(shí)問(wèn)題就轉(zhuǎn)化為對(duì)域的核矩陣變換，首先對(duì)目標(biāo)域核矩陣進(jìn)