高光譜遙感圖像特征提取及分類研究——基于K-L變換及支撐矢量技術(shù).pdf

1、高光譜遙感作為一種新型的遙感方式在近20年的發(fā)展中已經(jīng)在軍用和民用的多個領(lǐng)域發(fā)揮著重要的作用。與多光譜遙感相比，高光譜遙感數(shù)據(jù)具有波段數(shù)目多、光譜分辨率高、波段寬度窄、數(shù)據(jù)量龐大等特點。這對于利用遙感圖像進行目標分類、識別與跟蹤等都具有重要的研究價值和應(yīng)用意義。然而其巨大的數(shù)據(jù)量和較高的數(shù)據(jù)維給高光譜圖像分類處理帶來較大的困難。
　　本文分析了高光譜數(shù)據(jù)的特點。驗證了高光譜遙感圖像的各波段之間有較強的譜間相關(guān)性。并分析其對傳統(tǒng)分類

2、技術(shù)帶來的挑戰(zhàn)。
　　在利用常用分類方法對高光譜遙感圖像分類之前，應(yīng)進行特征選擇和提取。最常用的方法是主成分分析，也叫K-L變換。K-L變換的能夠把原來多個波段中的有用信息盡量集中到數(shù)目盡可能少的新的組分圖像中，對圖像信息進行歸并處理，使圖像數(shù)據(jù)量得到有效的壓縮，而且還能夠使新的組分圖像中的各組分之間互不相關(guān)。此方法先由所有波段數(shù)據(jù)求得影像間的相關(guān)系數(shù)矩陣，由相關(guān)系數(shù)矩陣計算特征值和特征向量，再求得各主成分影像。實驗數(shù)據(jù)顯示前三個

3、主成分所包含的有效信息含量已達到95％以上。利用這三個主成分做分類處理，既減少了計算量，又提高了分類精度。
　　高光譜遙感圖像的另一種分類方法是：直接應(yīng)用原始光譜向量進行分類處理。當訓(xùn)練樣本不足時，傳統(tǒng)的分類方法往往不能達到理想的分類精度。支撐向量機是一種解決小樣本、高維、非線性分類問題的有效方法。本文主要研究了支持向量機(SVM)在高光譜遙感圖像分類中的應(yīng)用，分析了核函數(shù)類型選擇、參數(shù)確定問題。以及SVM的多類分類問題.實驗結(jié)果