基于KNN非局部濾波的高光譜圖像分類方法研究.pdf

1、高光譜遙感技術(shù)通過數(shù)十至數(shù)百個連續(xù)且細(xì)分的光譜波段對目標(biāo)區(qū)域同時成像，成像的每個像元點(diǎn)蘊(yùn)含豐富的光譜信息，為進(jìn)行高精度的地物識別和分類提供可能性，因此，高光譜圖像分類成為高光譜遙感核心技術(shù)之一。然而，如何利用高光譜圖像的空間信息和如何選取訓(xùn)練樣本是高光譜圖像面臨兩大難點(diǎn)。本文針對以上兩個難點(diǎn)，進(jìn)行研究，提出基于KNN非局部濾波的高光譜圖像分類方法，并通過主動學(xué)習(xí)算法指導(dǎo)該分類方法選取訓(xùn)練樣本。
　　本文的工作簡要概括如下:

2、　　1.基于KNN非局部濾波的高光譜圖像分類方法:該方法先根據(jù)高光譜圖像的光譜信息，通過支持向量機(jī)SVM進(jìn)行分類得到分類概率圖，接著利用基于KNN的非局部濾波提取高光譜圖像的空間信息，對先前的分類概率圖進(jìn)行濾波優(yōu)化，得到最終的分類結(jié)果。實驗證明，基于KNN的非局部濾波能有效地利用高光譜圖像的空間信息提高分類精度。
　　2.聯(lián)合主動學(xué)習(xí)與KNN非局部濾波的高光譜圖像分類方法:由基于KNN非局部濾波高光譜圖像分類方法得到的優(yōu)化概率圖，

3、迭代地指導(dǎo)分類器選取最具信息的樣本進(jìn)行標(biāo)記，通過主動學(xué)習(xí)算法建立一組緊湊而高效的訓(xùn)練樣本集，讓分類器在該訓(xùn)練樣本集的訓(xùn)練下取得高精度的分類結(jié)果。
　　3.高光譜圖像分類軟件:基于MFC應(yīng)用程序框架，利用計算機(jī)視覺開源庫OpenCV和MATLAB R2014b提供的外部鏈接庫進(jìn)行聯(lián)合編程，實現(xiàn)了高光譜圖像的讀取顯示、訓(xùn)練樣本的標(biāo)記以及高光譜圖像的分類等功能。
　　本文通過實驗驗證了所提方法的有效性。實驗結(jié)果顯示:基于KNN非局