基于數(shù)據(jù)融合的高光譜遙感圖像分類研究.pdf

1、高光譜遙感技術(shù)的快速發(fā)展，使得獲取更高光譜分辨率的地面信息成為可能，為定量遙感的實(shí)現(xiàn)創(chuàng)造了有利條件。然而，高光譜數(shù)據(jù)具有波段數(shù)目眾多、各波段相關(guān)性強(qiáng)、運(yùn)算量大的特點(diǎn)，這對相應(yīng)的處理技術(shù)提出了很高的要求。高光譜遙感影像分類是高光譜遙感技術(shù)的一個重要應(yīng)用，針對多光譜遙感圖像的分類人們已經(jīng)研究了多種處理方法，技術(shù)比較成熟；但是高光譜圖像的數(shù)據(jù)量大，數(shù)據(jù)維高，使得通常的多光譜圖像處理方法對于高光譜圖像的應(yīng)用有較大的限制。為了解決這一問題，本文在

2、深入分析高光譜圖像數(shù)據(jù)特點(diǎn)的基礎(chǔ)上，重點(diǎn)研究了基于數(shù)據(jù)融合的高光譜遙感影像分類技術(shù)，研究的主要內(nèi)容如下： 首先，將二進(jìn)脊波變換應(yīng)用于高光譜遙感圖像的數(shù)據(jù)融合，并結(jié)合二進(jìn)脊波變換數(shù)據(jù)分解的特點(diǎn)，提出了相應(yīng)的融合策略，實(shí)現(xiàn)了數(shù)據(jù)級融合。該算法先對同一波段組內(nèi)的各個子圖像進(jìn)行有限Randon變換，將線性奇異轉(zhuǎn)化為點(diǎn)奇異；然后通過二進(jìn)小波變換對點(diǎn)奇異信號進(jìn)行處理。在融合策略的選取中，充分考慮到小波變換進(jìn)行數(shù)據(jù)分解的特點(diǎn)：對于代表圖像概貌

3、信息的低頻部分采用歸一化方差加權(quán)融合；對于包含圖像細(xì)節(jié)和紋理特征的高頻部分選擇像素絕對值最大的部分作為融合后的像素值。在盡可能多地保持原始圖像信息的前提下，實(shí)現(xiàn)了對AVIRIS圖像的像素級融合，并在此基礎(chǔ)上進(jìn)行了地物分類。仿真實(shí)驗(yàn)表明，該方案能有效地改善融合效果，并進(jìn)一步提升分類精度。 其次，針對有限脊波變換存在的“環(huán)繞效應(yīng)”所引入的噪聲，研究了減小其影響的方案。研究表明：圖像分割子塊尺寸越大，“環(huán)繞效應(yīng)”的影響就越大；子塊尺寸

4、越小，脊波的優(yōu)勢就越明顯。但是，分割尺寸越小，重構(gòu)圖像的塊狀效應(yīng)越明顯，而且分割越小圖像所表示的方向也越少，效果也近似于小波變換。因此，在實(shí)際選擇中應(yīng)該折衷考慮。 再次，為了徹底消除“環(huán)繞效應(yīng)”，研究了基于真實(shí)脊函數(shù)和快速SlantStack算法的數(shù)字脊波變換在高光譜圖像融合中的應(yīng)用。由于沒有采用有限Randon變換實(shí)現(xiàn)脊波的數(shù)字化，它能徹底消除“環(huán)繞效應(yīng)”，融合的效果也能得到進(jìn)一步改善，但是引入了數(shù)據(jù)冗余。為進(jìn)一步提高分類精度

5、與運(yùn)算速度，本文將其與一種新的神經(jīng)網(wǎng)絡(luò)——樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)相結(jié)合，實(shí)現(xiàn)了特征級融合分類。由于該神經(jīng)網(wǎng)絡(luò)所具有的對初值不敏感、收斂速度快和不存在局部極小等優(yōu)點(diǎn)，該方案能得到較高的分類精度。最后，研究了數(shù)字脊波和樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)在高光譜圖像決策級融合中的應(yīng)用，對二次融合進(jìn)行了嘗試。該方案先采用數(shù)字脊波實(shí)現(xiàn)像素級融合，并利用樣條權(quán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)局部分類；然后結(jié)合主體投票規(guī)則將各局部分類器輸出的結(jié)果進(jìn)行決策融合。仿真實(shí)驗(yàn)結(jié)果表明，該方案能在較