基于隱狄利克雷分配模型的中、高分辨率遙感影像分類研究.pdf

1、中、高分辨率遙感影像的自動(dòng)分類長期以來一直是遙感影像分析及相關(guān)應(yīng)用領(lǐng)域共同關(guān)注的熱點(diǎn)問題，面向?qū)ο蟮挠跋穹治龇椒ㄒ苑指铙w作為最基本的分析單元，避免了傳統(tǒng)分類方法中易形成的“椒鹽”現(xiàn)象，但其主要受限于如何割出語義上有意義分割體作為最基本的分析單元，而傳統(tǒng)的分類器只在對象的底層特征空間內(nèi)進(jìn)行判別，不能適應(yīng)不同地物成像機(jī)理復(fù)雜，類內(nèi)差異大和類間差異不平衡的特點(diǎn)。
　　概率主題模型在文本分析領(lǐng)域取得了巨大成功，有堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ)，其內(nèi)在

2、特點(diǎn)與遙感影像的信息提取需求十分吻合，應(yīng)用至遙感影像分析已經(jīng)被證明是可行的，本文以經(jīng)典的概率主題模型——隱狄利克雷分配(LDA)模型為主線，分析將其引入中、高分辨率遙感影像分類研究中面臨的不同問題，提出解決和改進(jìn)方案，形成基于概率主題模型的遙感影像分析基本流程。
　　基于詞包模型的遙感影像表達(dá)是使用概率主題模型推理的基礎(chǔ)，本文從面向?qū)ο蠓诸惖乃枷氤霭l(fā)，利用多尺度分割算法建立中、高分辨率遙感影像的文檔—單詞映射，研究構(gòu)建詞包模型表達(dá)

3、的關(guān)鍵技術(shù)。在底層特征提取中引入稠密SIFT特征，彌補(bǔ)SIFT對影像表達(dá)過于稀疏的不足，使用晚融合方式避免復(fù)雜的特征加權(quán)算法，引入基于改進(jìn)的密度峰值的快速聚類方法生成視覺詞典，避免聚類結(jié)果依賴于初始聚類中心的選取并有效識別噪聲單詞。在對影像形成詞包模型表達(dá)之后，選取不同分辨率的遙感影像，使用判別式分類器進(jìn)行土地覆蓋分類實(shí)驗(yàn)，結(jié)果表明本文提出的改進(jìn)對分類性能有明顯提高。
　　詞包模型可以對遙感影像形成有效的信息表達(dá)，但是在此基礎(chǔ)上的

4、分析和分類等研究仍然在底層特征即詞向量空間內(nèi)，引入LDA模型可以有效對遙感影像進(jìn)行二次信息挖掘。本文在標(biāo)準(zhǔn)LDA模型的基礎(chǔ)上，提出一種面向高分辨率遙感影像分類的空間LDA模型，借鑒CTM等監(jiān)督主題模型，通過多尺度區(qū)域合并算法，對影像文檔的空間區(qū)域進(jìn)行有效劃分，以兩種不同形式的協(xié)變量，引入空間主題流行度和空間主題內(nèi)容作為文檔的隱主題成分和主題的單詞分布的先驗(yàn)，并給出該模型的變分EM推理方法，最后通過實(shí)驗(yàn)驗(yàn)證該模型相比于標(biāo)準(zhǔn)LDA模型的優(yōu)越

5、性。
　　當(dāng)前概率主題模型在遙感影像分析中的應(yīng)用尚只見于高分辨率影像中，本文分析了分辨率降低在概率主題模型在遙感影像分類應(yīng)用中的影響，基于短文本分析領(lǐng)域中的BTM模型提出一種S-BTM模型，提取空間相鄰的圖斑對象作為視覺單詞對，在使用Gibbs采樣算法對單詞對隱主題成分推理的基礎(chǔ)上，計(jì)算影像文檔的主題成分，解決了中分辨率遙感影像文檔中視覺單詞稀疏的問題，中分辨率遙感影像分類的實(shí)驗(yàn)表明，基于單詞對的概率主題模型性能優(yōu)于標(biāo)準(zhǔn)LDA模型