基于核學(xué)習(xí)的高光譜圖像精細(xì)分類技術(shù).pdf

1、高光譜遙感圖像因其精細(xì)的光譜分辨能力而廣泛應(yīng)用于地物分類及目標(biāo)探測等領(lǐng)域。然而,高光譜成像光譜儀在獲得大量精細(xì)光譜的同時(shí),必然會(huì)使空間分辨率降低。盡管近年來隨著遙感技術(shù)的發(fā)展,高光譜圖像的空間分辨率顯著提高,但相比于其他光學(xué)遙感,高光譜遙感的主要問題依舊是較低的空間分辨率和由此而引發(fā)的混合像元問題。另外,高光譜圖像較高的數(shù)據(jù)維度也為地物目標(biāo)的精細(xì)分類帶來一定困難,傳統(tǒng)統(tǒng)計(jì)模式識(shí)別方法在高光譜遙感領(lǐng)域通常效果不佳。針對以上問題,本文從高光

2、譜圖像光譜與空間特性入手,以具有高效分類性能的核學(xué)習(xí)機(jī)為載體,研究對地物的精細(xì)分類技術(shù)。
　　由于高光譜圖像的空間分辨率相對較低,一個(gè)像元內(nèi)可能包含兩種或兩種以上的地物類型,而通常所用的硬分類方法是對圖像進(jìn)行像元級處理,以像元為單位,將每一像元?dú)w為一種地物類型,因此所得結(jié)果并不準(zhǔn)確。為了區(qū)分并確定各種物質(zhì)在像元中所占的比例,本文研究一種軟分類方法,即光譜解混技術(shù)。本文首先分析并比較幾種典型的非監(jiān)督端元提取方法,而后提出一種基于概率

3、輸出型支持向量機(jī)的監(jiān)督提取方法,實(shí)驗(yàn)證明與前者相比,后者對端元信息的提取更加準(zhǔn)確。在端元提取的基礎(chǔ)上,本文研究利用線性光譜混合模型進(jìn)行地物豐度反演的方法,由此獲得地物的精確類別信息。
　　核學(xué)習(xí)方法由于其在高維空間中處理非線性模式分類問題時(shí)表現(xiàn)出的高效性與魯棒性,被廣泛應(yīng)用于高光譜圖像分類與識(shí)別中。本文首先從理論方面分析核學(xué)習(xí)方法的一般表述形式及特性,在此基礎(chǔ)上,重點(diǎn)研究幾種典型高效的核學(xué)習(xí)算法,為地物的精細(xì)分類提供技術(shù)支撐。

4、r>　　雖然核方法在高光譜圖像分類上有著突出的優(yōu)勢,然而該方法及一些傳統(tǒng)的高光譜圖像分類方法都只利用了圖像的光譜信息,而忽略了圖像像素空間上的關(guān)聯(lián)信息,因此分類結(jié)果并不精確。本文考慮利用空間特征對光譜特征進(jìn)行補(bǔ)充,研究一種基于灰度共生矩陣的高光譜圖像空間特征提取方法,在此基礎(chǔ)上利用核分類器和一定的融合策略進(jìn)行空譜聯(lián)合特征分類。針對多特征融合問題,本文提出一種基于多分類器的決策級融合算法和一種核層面的特征級融合算法,驗(yàn)證了空譜特征聯(lián)合在信