表示模型框架下多特征信息融合的高光譜圖像分類.pdf

1、高光譜遙感數(shù)據(jù)憑借非常高的光譜分辨率，在地物分類方面存在巨大的潛力，從而在礦藏勘探，環(huán)境保護(hù)等諸多領(lǐng)域得到了廣泛的應(yīng)用。近年來(lái)，隨著高光譜分類算法研究的不斷深入，融合了空間特征的分類模型成為學(xué)者們研究的熱點(diǎn)領(lǐng)域。而以往的許多研究忽視了空間特征的重要作用，以及很少對(duì)多種特征的融合策略進(jìn)行研究。基于這種現(xiàn)狀，本文主要對(duì)多種特征在不同的層面的融合方式進(jìn)行研究，主要內(nèi)容如下:
　　第一，從高光譜遙感數(shù)據(jù)的構(gòu)成、特性，以及應(yīng)用的領(lǐng)域及國(guó)內(nèi)外

2、的研究現(xiàn)狀等方面，說(shuō)明了高光譜圖像分類研究的重要意義。總結(jié)了高光譜遙感圖像特征提取與融合的原理，特別介紹了特征層面和決策融合的原理和經(jīng)典的方法。闡述了高光譜數(shù)據(jù)分類的原理與流程，并對(duì)分類效果的評(píng)價(jià)機(jī)制的幾個(gè)重要指標(biāo)進(jìn)行了說(shuō)明。
　　第二，設(shè)計(jì)了一個(gè)基于多特征的加權(quán)殘差相加的融合策略。這些特征包括提取到的光譜特征、LBP和Gabor空間特征。在這個(gè)分類模型中，將每個(gè)圖像數(shù)據(jù)在分別進(jìn)行3種特征提取之后用分類器（SRC或NRS）進(jìn)行表示

3、后的3個(gè)殘差通過(guò)加權(quán)相加的方式融合到一起，得到的最終的表示殘差值即為最后分類的依據(jù)。實(shí)驗(yàn)證明，此分類框架的分類精度遠(yuǎn)遠(yuǎn)高于只使用一種特征的分類模型。
　　第三，提出另外一種基于加權(quán)核合并的空間特征融合策略。這是因?yàn)?，基于殘差融合的多特征融合方式雖然實(shí)現(xiàn)了分類精度的提高，對(duì)以往的融合方式進(jìn)行了改進(jìn)，但是在分類器的選擇上存在著局限性，過(guò)度依賴于基于表示模型的分類器。此融合策略將提取的LBP和Gabor空間特征通過(guò)復(fù)合核的方式進(jìn)行特征層