多傳感器數(shù)據(jù)協(xié)同分類技術(shù)研究.pdf

1、隨著電子技術(shù)、空間技術(shù)等當(dāng)代技術(shù)的進(jìn)步，遙感技術(shù)得到了迅猛的發(fā)展，其光譜和空間分辨率都有所提高，使得原來(lái)很多不能解決的問題現(xiàn)在得到了實(shí)現(xiàn)。但是對(duì)于單源的遙感圖像，它還是不能克服自身的一些缺點(diǎn)，比如受傳感器限制其空間分辨率還達(dá)不到某些應(yīng)用的要求、單一的信息來(lái)源決定了其內(nèi)容的片面性等。針對(duì)這種情況，近年來(lái)發(fā)展起來(lái)的多源圖像協(xié)同處理是將來(lái)自多信息源的數(shù)據(jù)和信息加以智能化的合成處理，產(chǎn)生更精確、更完整、更可靠的描述及判決，在軍事和民用方面都有著

2、廣泛的應(yīng)用背景。
　　本文在對(duì)單源遙感圖像分類方法系統(tǒng)分析的基礎(chǔ)上，針對(duì)高光譜及多光譜圖像與全色圖像的特點(diǎn)，概括了多源圖像協(xié)同分類的一般模型，并利用不同的特征提取方法和基于學(xué)習(xí)的分類器對(duì)高光譜與全色圖像及多光譜與全色圖像進(jìn)行了協(xié)同分類。
　　首先對(duì)特征提取技術(shù)進(jìn)行了分析介紹。在系統(tǒng)研究了多種特征提取方法的基礎(chǔ)上，針對(duì)小波變換及PCA變換對(duì)于特征提取存在的問題與不足，將兩者結(jié)合起來(lái)形成了小波PCA特征提取方法，能夠有效地去除圖

3、像噪聲，并克服了PCA變換中圖像不同類別的空間信息丟失的缺點(diǎn)。
　　其次，針對(duì)特征選擇及優(yōu)化組合技術(shù)中對(duì)于怎樣選擇及如何組合可以實(shí)現(xiàn)最優(yōu)存在的困難，提出了一種特征變換的方法。該方法可以有效地降低特征維數(shù)，降低了計(jì)算量，并且能夠增大不同類別的特征間的距離，有助于實(shí)現(xiàn)更好的分類結(jié)果。
　　然后，對(duì)單源遙感圖像的分類技術(shù)進(jìn)行了研究。針對(duì)高光譜與多光譜在光譜表現(xiàn)上的不同，選擇不同的技術(shù)進(jìn)行光譜特征的提取，并基于提取的特征量分別采用無(wú)