基于高光譜圖像的物證識(shí)別方法研究.pdf

1、光學(xué)識(shí)別作為解決物證識(shí)別難題的一種重要技術(shù)手段，其無損檢驗(yàn)的特性相較于其他化學(xué)檢測方法有著很大優(yōu)勢。但傳統(tǒng)的光學(xué)成像技術(shù)對實(shí)驗(yàn)環(huán)境有一定要求，且獲取到的數(shù)據(jù)量較小限制了物證識(shí)別的效果。高光譜成像則有別于其他光學(xué)成像，采用這種技術(shù)獲取到的高光譜圖像數(shù)據(jù)量豐富且“圖譜合一”，同時(shí)隨著科學(xué)技術(shù)的發(fā)展其空間分辨率也在逐步提高，不再局限于應(yīng)用在衛(wèi)星遙感領(lǐng)域，也開始應(yīng)用于其他領(lǐng)域。
　　為了避免傳統(tǒng)的高光譜圖像由于空間分辨率過低無法實(shí)現(xiàn)精準(zhǔn)分

2、類的問題，本文選用液晶可調(diào)諧濾光片成像設(shè)備采集到高空間分辨率的高光譜圖像，并從非監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)兩個(gè)方面探究了物證識(shí)別的問題，提出了充分結(jié)合空間、光譜信息的自適應(yīng)高光譜圖像聚類算法，以達(dá)到更好的識(shí)別效果。
　　高光譜圖像聚類算法如K-Means、ISODATA等過于依賴給定閾值等參數(shù)，使得它們在物證識(shí)別問題上性能不夠理想，因此本文結(jié)合MAP-ML模型以及貝葉斯信息準(zhǔn)則，利用高空間分辨率的高光譜圖像像素間空間約束性強(qiáng)的優(yōu)勢，以非

3、監(jiān)督學(xué)習(xí)的方式提出了一種有機(jī)結(jié)合空間、光譜信息的自適應(yīng)高光譜圖像聚類算法。物證識(shí)別實(shí)驗(yàn)結(jié)果表明，本文提出的基于空間-光譜信息的自適應(yīng)高光譜圖像聚類算法不僅能夠自動(dòng)實(shí)現(xiàn)最優(yōu)類別數(shù)目的選擇，還具有比K-Means、ISODATA算法高的聚類精度，并展現(xiàn)出了較好的穩(wěn)定性。
　　針對實(shí)際物證識(shí)別應(yīng)用中可得到的標(biāo)記樣本數(shù)目有限的情況，為了最大限度地使用這些有標(biāo)記的樣本數(shù)據(jù)，本文基于半監(jiān)督學(xué)習(xí)提出了一種高光譜圖像的分類方法，以提高物證識(shí)別的準(zhǔn)