基于非負(fù)矩陣分解的高光譜圖像特征提取與分類算法研究.pdf

1、采用光譜成像儀獲得的高光譜數(shù)據(jù)含有豐富的地物光譜信息，因此可以通過高光譜圖像的光譜特征對所拍攝的地物進(jìn)行精細(xì)分類。但是高光譜數(shù)據(jù)由于波段較多，導(dǎo)致數(shù)據(jù)量相對較大，并且過高的維數(shù)會產(chǎn)生信息冗余，這樣的數(shù)據(jù)給存儲和運算都帶來很大壓力。為了充分利用高光譜遙感圖像所具有的光譜信息豐富的優(yōu)勢，同時盡可能降低由于數(shù)據(jù)量過大導(dǎo)致的龐大運算量，在應(yīng)用這些豐富的光譜數(shù)據(jù)進(jìn)行圖像運算前應(yīng)該先設(shè)法對高光譜數(shù)據(jù)進(jìn)行必要的特征提取運算，通過這樣的數(shù)據(jù)預(yù)處理可以達(dá)

2、到用較低維數(shù)的數(shù)據(jù)獲得較高的分類精度的目的。
　　本文首先對機(jī)載高光譜成像儀的圖像數(shù)據(jù)進(jìn)行了說明，實際生活中的觀測數(shù)據(jù)通常是非高斯分布的情況，在極端情況下，是嚴(yán)格的多模式結(jié)構(gòu)。因此本文主要內(nèi)容為：1）根據(jù)高光譜數(shù)據(jù)結(jié)構(gòu)特點選擇了LFDA降維算法作為分類的預(yù)處理方法，結(jié)合不同的分類器算法，用來進(jìn)行高光譜圖像的分類運算，通過仿真實驗驗證了在高光譜圖像分類中算法的有效性；2）對原始NMF特征提取方法做一些改進(jìn)，考慮在目標(biāo)函數(shù)中引入正交約

3、束并結(jié)合LPP流形學(xué)習(xí)線性化方法，提出的改進(jìn)算法使降維后的高光譜樣本之間盡可能的正交，并且樣本集中同一類別的樣本點在投影空間中距離更近，不同類別的樣本點在投影空間中距離更遠(yuǎn)，仿真實驗驗證算法的有效性；3）采用MATLAB/GUI設(shè)計高光譜圖像處理軟件，作為項目數(shù)據(jù)處理環(huán)節(jié)的程序功能模塊之一，是為高光譜圖像探測及目標(biāo)識別而設(shè)計的專用圖像處理軟件，可以利用MATLAB在處理高維數(shù)據(jù)矩陣方面的優(yōu)勢，將處理后的高光譜數(shù)據(jù)作為樣本集進(jìn)行分類處理。