基于多核Boosting多特征組合高光譜分類技術(shù)研究.pdf

1、高光譜遙感以其高的光譜分辨率、眾多波段數(shù)、圖譜合一的優(yōu)勢，掀開遙感屆又一場革命序幕。高光譜遙感分類技術(shù)是挖掘高光譜數(shù)據(jù)中地物信息有效技術(shù)手段，是在傳統(tǒng)遙感數(shù)據(jù)分類技術(shù)的基礎(chǔ)上進一步發(fā)展，其采用的分類技術(shù)有其獨特性。由于傳感器分辨率過低使得一個像元中混有多種地物、地物相互覆蓋以及地物反射時相互混合影像造成的“同物異譜”、“同譜異物”等造成混合像元現(xiàn)象的存在，使得高光譜影像分類存在不確定性，分類不確定性問題是遙感分類面臨最大挑戰(zhàn)。我們在設(shè)計

2、高光譜影像分類器時必須了解這些不確定性的本質(zhì)，合理的處理這些不確定性，建立可靠的穩(wěn)健性強的高光譜影像的分類器，提高多類別地物分類精度。同時要兼顧高光譜數(shù)據(jù)特性：波段數(shù)眾多帶來的數(shù)據(jù)冗余問題，高光譜遙感影像數(shù)據(jù)量巨大導(dǎo)致對圖像數(shù)據(jù)的預(yù)處理困難，波段間高的相關(guān)性帶來的訓(xùn)練樣本數(shù)量的增加以及高光譜數(shù)據(jù)中利用常規(guī)遙感分類模型特別是統(tǒng)計學(xué)分類模型時估計參數(shù)苦難問題等；因此設(shè)計一種合適的穩(wěn)健性強的適用于高光譜數(shù)據(jù)分類器十分必要。
　　同時我們

3、在利用高光譜數(shù)據(jù)進行分類時，只利用單一信息是不全面的，不同特征的作用各不相同，彼此存在互補的現(xiàn)象。隨著遙感圖像處理的深入，僅僅使用精細化波譜信息進行分類會浪費很多空間信息，多特征組合可以從多元信息中提取有利于分類信息，并對其進行優(yōu)化組合，形成優(yōu)勢互補，以提高高光譜影像分類精度已經(jīng)變得越來越重要。
　　本文中我們針對基于 SVM分類器的多核學(xué)習(xí)優(yōu)化過程復(fù)雜的缺點，利用 Boosting算法思想對多核組合學(xué)習(xí)算法拓展。此算法思想是將高

4、光譜數(shù)據(jù)通過核函數(shù)映射到高維特征空間，構(gòu)建不同的弱分類器組，利用Boosting算法對弱分類器進行學(xué)習(xí)得到多個弱分類組的權(quán)重，線性組合成強分類器，以提高分類精度；利用Boosting算法的高效性解決因為基于多核的分類器優(yōu)化過程帶來的過大計算量的問題的目的。
　　針對高光譜數(shù)據(jù)多特征組合問題，該文提出了一種在多核學(xué)習(xí)框架下利用多核Boosting（MKB）實現(xiàn)多特征合理組合和異質(zhì)信息互補的高光譜影像分類算法。此算法充分利用了高光譜遙