有監(jiān)督高維遙感數(shù)據(jù)假彩色圖像合成特征生成與分類評價.pdf

1、遙感數(shù)據(jù)的可視化是目視解譯等遙感技術應用的基礎工作。彩色圖像最多只能包含3個特征。目前的遙感數(shù)據(jù)波段數(shù)（即特征）往往遠遠大于3。光譜分辨率越高，相鄰波段之間獲取的數(shù)據(jù)越相似，波段間的相關性越大，信息的冗余度越高，計算和處理越復雜。因此，高維遙感數(shù)據(jù)的降維就顯得尤為重要。本文針對高維遙感數(shù)據(jù)的可視化問題，通過對不同的有監(jiān)督特征生成方法的探討，提出遙感數(shù)據(jù)有監(jiān)督可視化方法。本文的研究對高維遙感數(shù)據(jù)的可視化與目視解譯的結合具有重要的意義。

2、r>　　本文提出了有監(jiān)督的主成分變換回歸參數(shù)重構和Fisher判別回歸參數(shù)重構的特征生成方法，在基于訓練樣本的主成分變換法或Fisher判別法的基礎上，利用最小二乘法重新估計了主成分變換或Fisher判別的系數(shù)，選取訓練樣本的前3個成分作為特征信息，分別賦予紅色、綠色和藍色，使其組合成一幅假彩色遙感圖像，實現(xiàn)高維遙感數(shù)據(jù)的有監(jiān)督可視化。同時選擇前3個特征進行分類驗證，用分類精度對這種可視化方法進行評價?？梢暬Y果與遙感圖像主成分變換和經(jīng)

3、過Fisher判別變換之后的假彩色圖像進行比較，新方法圖像有較好的目視解譯效果。
　　在有監(jiān)督分類的情況下，本文的數(shù)據(jù)分為訓練樣本和檢驗樣本兩部分，選取經(jīng)過主成分變換、主成分變換回歸參數(shù)重構和Fisher判別回歸參數(shù)重構后的所有成分的特征，重構訓練樣本，利用Fisher判別法建立分類模型，對樣本迸行分類，并與單純的Fisher判別分類法進行了比較。結果表明:用主成分變換回歸參數(shù)重構的方法進行有監(jiān)督分類時，其分類精度為76.55％，

4、kappa系數(shù)為0.7163，用Fisher回歸參數(shù)重構的方法進行有監(jiān)督分類時，其分類精度為76.01％，kappa系數(shù)為0.7100，主成分變換的方法進行有監(jiān)督分類時其分類結果與Fisher判別法的分類結果相同，分類精度都是75.74％，kappa系數(shù)都是0.7068，參數(shù)重構的結果有所改善;用前3個特征對可視化進行驗證時，得到主成分變換、主成分變換回歸參數(shù)重構、Fisher判別及Fisher判別回歸參數(shù)重構的分類精度分別為64.69