空譜協(xié)作的高光譜圖像分類方法研究.pdf

1、高光譜圖像分類技術(shù)是高光譜圖像處理的一個(gè)重要分支，是為了確定圖像中包含像元地物類別的過程，常見的分類方法包括無監(jiān)督分類、有監(jiān)督分類和半監(jiān)督分類三大類。隨著高新技術(shù)的快速發(fā)展，人們對分類精度的要求日益提高。此外，遙感圖像傳感器的不斷發(fā)展，細(xì)化的光譜分辨率和空間分辨率為高光譜圖像分類精度的進(jìn)一步提高提供了強(qiáng)有力的發(fā)展載體。如今，分類方法日益豐富，但是由于高光譜圖像的特殊性，高光譜圖像分類方法依然存在著一些嚴(yán)峻的問題。同時(shí)，傳統(tǒng)高光譜圖像分類

2、方法存在著明顯的不足，即分類中只依靠光譜信息，忽略了空間信息的協(xié)作作用。因此，針對如何選取具有代表性的無標(biāo)簽樣本、如何確定無標(biāo)簽樣本的類別以及如何利用空間信息指導(dǎo)字典學(xué)習(xí)問題，分別提出三種不同特色的空譜協(xié)作分類方法，在輔助利用像元的空間鄰域信息的基礎(chǔ)之上，更有效地克服了有標(biāo)簽樣本過少所引起的問題。本文研究工作描述如下：
　　首先，提出基于空-譜信息的高光譜半監(jiān)督分類算法，首先利用2D-Gabor濾波器提取空間信息，將得到的每個(gè)像元

3、的空間特征與光譜特征級(jí)聯(lián)。然后利用有標(biāo)簽訓(xùn)練樣本的空間鄰域信息和主動(dòng)學(xué)習(xí)相結(jié)合選取出既包含空間信息且信息量大的無標(biāo)簽訓(xùn)練樣本，將其加入到原有有標(biāo)簽訓(xùn)練集中得到新的訓(xùn)練集，從而提高基于概率模型支持向量機(jī)的分類精度。從空間信息指導(dǎo)無標(biāo)簽樣本選擇的角度更加有效地利用了圖像的空間信息。
　　其次，提出基于空-譜標(biāo)簽傳遞的高光譜半監(jiān)督分類算法，首先級(jí)聯(lián)每個(gè)像元的光譜特征和空間特征。然后利用空間平滑特性構(gòu)造空間圖，同時(shí)利用自適應(yīng)的調(diào)節(jié)方法確定

4、圖參數(shù)。隨后，在光譜圖和空間圖共同地作用下進(jìn)行標(biāo)簽傳遞確定無標(biāo)簽樣本的標(biāo)簽，形成新的訓(xùn)練集，從而提高支持向量機(jī)的分類精度。從空-譜圖的角度更加有效地利用了圖像的空間信息。
　　最后，提出基于空間字典多映射核協(xié)作稀疏高光譜分類算法，首先利用空間和光譜信息構(gòu)建稀疏向量的空-譜圖，將其應(yīng)用在字典優(yōu)化過程中得到一個(gè)具有代表性和判別能力的空間字典。然后利用新提出的多映射核框架將空間信息進(jìn)一步地融入到協(xié)作表示分類中，從而降低計(jì)算代價(jià)和提高分類