基于小波包變換的遙感超譜圖像分類識別方法研究.pdf

1、由于遙感超譜圖像譜分辨率的提高，如今已可以獲得比多光譜圖像更豐富的信息，并使得許多原先用多光譜不能解決的問題現(xiàn)在可以得到解決，它的問世是遙感技術(shù)應(yīng)用的一個重大飛躍。然而，巨大的數(shù)據(jù)量限制了超譜圖像的進一步應(yīng)用，并對傳統(tǒng)的圖像處理方法提出了挑戰(zhàn)。為了挖掘和充分利用超譜圖像數(shù)據(jù)的潛在優(yōu)勢，研究有效的數(shù)據(jù)分析和處理技術(shù)是極其必要的，具有重要的理論意義和實際應(yīng)用價值。另外，分類和壓縮是目前國際上對超譜圖像研究非常活躍的兩個專題。本文將側(cè)重于超譜

2、圖像分類技術(shù)的研究與分析。 在模式識別或分類中，從原始模式中提取有效的分類特征是非常重要的，但對于大量的非平穩(wěn)或時變信號模式來說，用于分類的特征往往包含在局部的時—頻信息中，用一般的變換方法提取有效的特征比較困難，近年來小波變換在信號處理和特征提取中得到了廣泛應(yīng)用。從分辨率的角度來看，小波變換用于信號分析是一種多分辨分析，優(yōu)于傳統(tǒng)的時域或頻域分析方法。雖然多分辨分析可以對信號進行有效的時頻分解，但由于其尺度是二進制變化的，所以在

3、高頻頻段其頻率分辨率較差，而在低頻頻段其時間分辨率較差，即對信號的頻帶進行指數(shù)等間隔劃分。小波包分析是能夠為信號提供一種更加精細的分析方法，它將頻帶進行多層次劃分，對多分辨分析沒有細分的高頻部分進一步分解，并能夠根據(jù)被分析信號的特征，自適應(yīng)的選擇相應(yīng)頻帶，使之與信號頻譜相匹配，從而提高了時—頻分辨率，因此小波包具有更廣泛的應(yīng)用價值。它的任意多尺度分解特性，是分析非平穩(wěn)信號更有效的方法。本文主要研究由給定的訓練樣本集，如何選擇最優(yōu)小波包基

4、，從被識別或分類的信號中提取具有最大可分性的特征，為此提出了應(yīng)用三種可分性準則，即距離準則，散度準則和熵準則選擇最優(yōu)基。 為了驗證這種方法的有效性，本文以AVIRIS超譜圖像為例進行了計算機仿真實驗，并對降維后的超譜圖像進行了最大似然監(jiān)督分類。通過實驗，對應(yīng)用各準則選擇最優(yōu)基提取特征與小波基提取特征，和與典型PCA降維方法的性能分別進行了比較。結(jié)果表明，基于小波包變換的分類方法的分類精度可達到97％以上，優(yōu)于其它幾種方法。