高空間-高光譜分辨率的遙感圖像城市場(chǎng)景分類(lèi)識(shí)別研究.pdf

1、高光譜技術(shù)是近幾十年來(lái)地球觀測(cè)技術(shù)取得的最重大成就之一。高光譜圖像光譜分辨率較高，能夠提供非常豐富的光譜信息，因此在許多領(lǐng)域得到了廣泛應(yīng)用，但是由于空間分辨率較低，在用來(lái)對(duì)城市場(chǎng)景進(jìn)行分析時(shí)受到很大限制。城市中場(chǎng)景的面積較小且分布密集，使用低空間分辨率的圖像不能有效區(qū)分地物。隨著高光譜傳感器技術(shù)的發(fā)展，高光譜圖像的空間分辨率有了較大提升，許多小區(qū)域場(chǎng)景能夠由像素來(lái)描述，使得利用高空間-高光譜分辨率的遙感圖像對(duì)城市場(chǎng)景進(jìn)行分析成為可能。本

2、文將利用具有較高空間分辨率的高光譜圖像對(duì)城市場(chǎng)景進(jìn)行分類(lèi)識(shí)別研究。具體工作內(nèi)容如下：
　　首先，根據(jù)高光譜圖像的數(shù)據(jù)特性進(jìn)行光譜特征提取。在采用傳統(tǒng)的局部Fisher判別分析方法和近鄰保留嵌入方法的基礎(chǔ)上，將二者結(jié)合起來(lái)，提出了一種半監(jiān)督局部判別分析方法。本方法綜合考慮了已知樣本的可分性信息和未知樣本的結(jié)構(gòu)信息?；谠摲椒▽?duì)城市場(chǎng)景的光譜特征進(jìn)行提取，利用支持向量機(jī)和最大似然方法進(jìn)行分類(lèi)，通過(guò)與其他特征提取算法進(jìn)行對(duì)比分析，驗(yàn)證了

3、半監(jiān)督局部判別分析方法提取特征的分類(lèi)效果。
　　然后，利用城市高光譜圖像的高空間分辨率特點(diǎn)，提取空間特征，包括形態(tài)學(xué)特征、形狀特征等。進(jìn)而對(duì)空譜特征的聯(lián)合方式進(jìn)行了重點(diǎn)研究，主要采用以下三種方式：第一，直接對(duì)光譜和空間特征進(jìn)行組合；第二，采用基于核函數(shù)的特征組合方式，將不同的特征在核變換空間進(jìn)行組合；第三，采用多特征組合框架對(duì)特征進(jìn)行組合，對(duì)不同特征進(jìn)行降維，通過(guò)保留盡可能多的信息來(lái)實(shí)現(xiàn)組合。使用單種特征和各種空譜聯(lián)合特征進(jìn)行支持

4、向量機(jī)分類(lèi)實(shí)驗(yàn)，結(jié)果表明空譜聯(lián)合特征會(huì)提升光譜或空間特征的分類(lèi)精度。
　　最后，針對(duì)城市場(chǎng)景分類(lèi)識(shí)別中可能存在的訓(xùn)練樣本不足問(wèn)題，結(jié)合主動(dòng)學(xué)習(xí)方法進(jìn)行了研究，并利用判別隨機(jī)場(chǎng)模型對(duì)分類(lèi)結(jié)果進(jìn)行優(yōu)化。在傳統(tǒng)主動(dòng)學(xué)習(xí)算法的基礎(chǔ)上，利用已知樣本信息，提出了一種確定候選樣本集的方法。該方法最大的優(yōu)勢(shì)在于主動(dòng)學(xué)習(xí)的過(guò)程中不需要人工標(biāo)記選出的新樣本。論文還針對(duì)歸屬類(lèi)別概率的輸出問(wèn)題，研究了一種基于邏輯回歸模型的多項(xiàng)式邏輯回歸分類(lèi)方法。通過(guò)使用