基于超像素的高光譜圖像分類算法研究.pdf

1、隨著高光譜遙感系統(tǒng)技術的迅猛發(fā)展，高光譜圖像在很多領域越來越被人們廣泛應用，其中高光譜圖像分類技術已經(jīng)成為高光譜遙感技術的研究熱點。高光譜圖像具有高空間分辨率的同時，每個像元蘊含了數(shù)百個波段的光譜信息，對地物分類精度的提高有很大幫助。與此同時，如何充分地利用空間信息與光譜信息來進一步提高分類精度也是具有挑戰(zhàn)性的。本文針對高光譜圖像，研究了通過自適應地提取空間紋理特征，利用空間信息來提高分類精度：
　　1.高光譜圖像的超像素分割與特

2、征提?。貉芯苛烁吖庾V圖像的超像素分割方法，并且提取超像素的空間信息。超像素是具有相似的紋理、亮度以及顏色等特征的相鄰像素構成的圖像塊。用超像素代替像素進行分類，很大程度上降低復雜度。本文利用超像素算法分割高光譜圖像，并且提取超像素塊的平均值特征，用到分類中極大地提高了分類精度與效率。
　　2.基于超像素的極限學習機分類方法：研究了將超像素作為整體進行分類，采用極限學習機作為分類器。像素對應光譜特征，而超像素中包含了豐富的空間紋理信

3、息，以超像素代替像素作為分類的基本單元，能夠大大降低計算復雜度與提高分類效率。該算法將空間信息與光譜信息結合，運算速度快并且準確率高。
　　3.基于超像素的合成核分類方法：合成核融合了光譜信息與空間信息，空間信息即超像素的平均值特征。本文分別構造了兩核與多核函數(shù)，充分挖掘了超像素塊內(nèi)的空間信息，以及超像素塊與其相鄰超像素塊之間的信息。合成核可以把在高維空間中內(nèi)積運算通過原空間中向量間的運算來實現(xiàn)，將樣本非線性映射到高維特征空間，從