基于譜域-空間特征的半監(jiān)督高光譜圖像分類方法研究.pdf

1、高光譜遙感圖像分類是圖像研究領域的新熱點問題，具有廣泛的應用前景。隨著近年來關注度的持續(xù)上升和研究投入的不斷增加，已經取得一定的技術成果。然而，由于高光譜遙感圖像本身的特殊性，使得其分類技術存在著維度高而訓練集小、信息冗余、混合像素多等問題。針對這些問題，本文開展了基于譜域-空間特征的半監(jiān)督高光譜圖像分類方法研究，主要研究工作及創(chuàng)新點如下:
　　1.為了充分利用目標像素點的空間信息，提出將譜域和空間信息相結合的特征。目標像素點的空

2、間信息包括:空間鄰域像素點光譜信息和目標像素點自身空間位置信息。針對空間鄰域像素點光譜信息對目標像素點的分類起積極輔助作用這一發(fā)現(xiàn)，提出了基于譜域-空域相結合的新特征，在此基礎上，針對農作物區(qū)等具有規(guī)則形狀、區(qū)域性強的高光譜遙感圖像，引入目標像素點的空間位置信息作為特征描述的一部分，提出基于譜域-多空間信息的新特征。實驗結果證明，引入空域特征，可以修正由外界因素所導致的“同物異譜”椒鹽噪聲點的譜域特征;引入空間位置信息，在一定程度上提高

3、了具有強區(qū)域結構性的遙感圖像的分類結果準確率，將單像素分類擴展成局部區(qū)域的可靠分類。
　　2.為了解決高空間分辨率帶來的邊緣混合像素點多的問題，提出了基于圖割原理的二次分類方法。首先，在模糊支持向量機初步分類結果的基礎上，通過訓練樣本集擴建和K-Medoids聚類算法獲取每個類別的標準特征，作為圖割算法中類別分類代價計算的基礎。然后，基于圖割原理，一方面根據(jù)目標像素點的光譜特征計算類別分類代價，另一方面根據(jù)空間鄰域像素點的類別來計

4、算空間分割代價，在初步分類結果的基礎上，對目標像素點進行二次分類。實驗結果表明，在模糊支持向量機初次分類結果的基礎上，通過引入圖割算法對圖像進行二次分類，可以有效地修正分類結果，尤其是對位于結構邊緣的混合像素點，提高了分類性能;采用雙重篩選機制來擴建訓練樣本集，可以得到更為精確的類別標準特征，解決了高光譜遙感圖像樣本集不足的問題。
　　綜上所述，本文針對高光譜遙感圖像分類領域的兩方面問題展開了研究，提出了一個基于譜域-空間特征的半