基于稀疏表示的高光譜遙感圖像分類.pdf

1、近年來，稀疏表示已成為圖像處理和模式識別研究領(lǐng)域的一個熱點。稀疏表示的重要理論已經(jīng)應(yīng)用到遙感圖像研究，特別是高光譜遙感圖像處理方面。高光譜遙感圖像通過的豐富光譜信息具有更強(qiáng)的分辨能力。同時，高光譜數(shù)據(jù)由于光譜豐富帶來了很多復(fù)雜的因素，如維數(shù)災(zāi)難，數(shù)據(jù)的不確定性和小樣本問題等。而稀疏表示在處理高維數(shù)據(jù)中具有一定的優(yōu)勢。稀疏表示不需對數(shù)據(jù)的分布特征進(jìn)行統(tǒng)計假設(shè)，并且在稀疏模型中可以根據(jù)不同情況添加不同的約束條件，使其具有更大的靈活性。

2、>　　本文主要將稀疏表示理論應(yīng)用到高光譜遙感圖像分類研究中。采用航拍OMIS-I和星載Hyperion兩類高光譜遙感圖像進(jìn)行稀疏表示方法的分類實驗，并與支持向量機(jī)（Support Vector Machine,SVM）分類方法進(jìn)行對比，驗證稀疏表示應(yīng)用于高光譜遙感圖像分類的有效性。論文的主要研究內(nèi)容如下：
　?。?）首先研究分析了稀疏表示理論和方法，建立稀疏表示方法應(yīng)用于高光譜遙感圖像分類的稀疏表示模型。選取樣本構(gòu)建字典，未知像元

3、通過字典進(jìn)行稀疏表示，最后對稀疏結(jié)果進(jìn)行各類別冗余計算，確定未知像元所屬類別。通過與SVM方法對比，證明了在高光譜遙感圖像分類中稀疏表示方法優(yōu)于傳統(tǒng)SVM方法。
　?。?）對稀疏模型中稀疏重構(gòu)算法進(jìn)行了研究分析。稀疏重構(gòu)主要采用貪婪追蹤算法、平滑約束模型和聯(lián)合稀疏模型，主要包括正交匹配追蹤（ Orthogonal Mctching Pursuit,OMP）、子空間追蹤（Subspace Pursuit,SP）、平滑正交匹配追蹤（S

4、mooth Orthogonal Mctching Pursuit,S-OMP）、平滑子空間追蹤（SmoothSubspace Pursuit,S-SP）、聯(lián)合正交匹配追蹤（Simultaneous Orthogonal Mctching Pursuit，SOMP）和聯(lián)合子空間追蹤（SimultaneousSubspace Pursuit,SSP）。實驗結(jié)果證明了采用稀疏表示方法均比傳統(tǒng)SVM方法精度高。在稀疏表示方法中采用OMP算法效

5、果比SP算法好，但SP復(fù)雜度比OMP算法低，運行效率高；考慮上下文關(guān)系的平滑約束（S-OMP、S-SP）和聯(lián)合稀疏（SOMP、SSP）比基于單像元分類（OMP、SP）效果好；采用平滑約束算法和聯(lián)合稀疏分類效果相差不大，但聯(lián)合稀疏算法復(fù)雜度要比平滑約束要低很多。以 OMSI-I數(shù)據(jù)分類總體精度為例：SVM算法為86.32％，OMP算法為92.51%，SP算法為89.56%，S-OMP算法為93.43%，S-SP算法90.82%，SOMP算

6、法為93.17%，SSP算法為90.84%。
　?。?）研究分析了稀疏模型中稀疏字典構(gòu)建方法，主要采用采樣樣本集和K-SVD算法構(gòu)建稀疏過完備字典。實驗結(jié)果證明了采用K-SVD算法構(gòu)建稀疏過完備字典的稀疏表示方法比直接采樣樣本集效果好。以采用 K-SVD算法的 OMSI-I數(shù)據(jù)分類的總體精度為例：OMP算法為93.03%，SP算法為91.95%，S-OMP算法為94.67%，S-SP算法為92.09%，SOMP算法為96.45%，