基于最小正則化子空間高光譜圖像分類算法的研究.pdf

1、高光譜圖像技術(shù)的不斷發(fā)展，使我們能夠輕松獲得豐富的地物信息。而圖像分類作為高光譜圖像處理之中重要的一環(huán)，受到了極大的關(guān)注。最小正則子空間分類算法，一種基于線性表達(dá)的模型，它將原有的聯(lián)合表達(dá)空間模型引入吉洪諾夫正則因子來用于高光譜數(shù)據(jù)分類決策，使得整個(gè)線性模型對訓(xùn)練數(shù)據(jù)擬合的更好。
　　通過研究發(fā)現(xiàn)，在最小正則子空間分類模型之中，存在一些明顯不足，基于歐氏距離的吉洪諾夫正則化因子不能從光譜的結(jié)構(gòu)上對光譜的差異性進(jìn)行有效衡量，同時(shí)此模

2、型在建立決策分類時(shí)僅僅考慮到高光譜圖像數(shù)據(jù)譜間的特征，造成空間結(jié)構(gòu)信息的浪費(fèi)等。因此，本文針對這些問題提出三個(gè)方面的改進(jìn):
　　第一，原有基于歐氏距離的相似度衡量不能準(zhǔn)確的反映光譜向量之間的關(guān)系，特別是相同物質(zhì)之間，差別細(xì)微。通過引入其他光譜相似衡量，如光譜角度衡量，光譜信息散度等，提高了整個(gè)算法性能。
　　第二，針對目前分類模型僅僅考慮到高光譜圖像數(shù)據(jù)譜間的特征，忽略了高光譜圖像中結(jié)構(gòu)信息的重要性，提出了基于譜間和空間信息