基于信息熵的自訓(xùn)練半監(jiān)督高光譜遙感影像分類研究.pdf

1、高光譜遙感是現(xiàn)代遙感技術(shù)的一個(gè)里程碑式的發(fā)展標(biāo)志，已是遙感領(lǐng)域的研究熱點(diǎn)，其中高光譜影像自動(dòng)分類又是高光譜遙感的關(guān)鍵。為了適應(yīng)高光譜影像自動(dòng)分類技術(shù)對(duì)分類精度、分類穩(wěn)定性、算法普適性的現(xiàn)實(shí)要求，本文在分析現(xiàn)有監(jiān)督和非監(jiān)督分類存在不足的基礎(chǔ)上，圍繞著半監(jiān)督機(jī)器學(xué)習(xí)理論和信息熵理論對(duì)高光譜遙感影像自動(dòng)分類技術(shù)開(kāi)展了細(xì)致深入的研究，主要研究工作和創(chuàng)新性研究成果如下：
　?。?）針對(duì)高光譜影像監(jiān)督分類方法對(duì)訓(xùn)練集中有標(biāo)記標(biāo)簽數(shù)量要求高、最

2、終分類精度低和當(dāng)前半監(jiān)督分類方法中存在的構(gòu)建模型復(fù)雜、方法實(shí)現(xiàn)困難等存在的問(wèn)題，提出基于多分類Logistic回歸與Renyi熵融合的自訓(xùn)練半監(jiān)督高光譜影像分類方法。多分類Logistic算法利用少量的有標(biāo)記訓(xùn)練樣本對(duì)高光譜數(shù)據(jù)類別進(jìn)行預(yù)測(cè)并輸出類別概率信息，然后利用Renyi熵理論對(duì)無(wú)標(biāo)記標(biāo)簽進(jìn)行有標(biāo)記標(biāo)注，補(bǔ)充到訓(xùn)練集中，擴(kuò)充訓(xùn)練集規(guī)模后再進(jìn)行迭代分類預(yù)測(cè)，最終算法穩(wěn)定收斂結(jié)束。通過(guò)5種不同高光譜遙感數(shù)據(jù)與多種監(jiān)督分類算法的比較試驗(yàn)

3、結(jié)果表明，與常規(guī)的監(jiān)督分類方法相比較分類精度提高了1％-25.93%，且分類效果均優(yōu)于常規(guī)的監(jiān)督分類方法。
　?。?）構(gòu)建基于概率支持向量機(jī)與D-S證據(jù)理論融合的自訓(xùn)練半監(jiān)督高光譜影像分類方法。該方法利用概率支持向量機(jī)算法的快速類別預(yù)測(cè)能力以提升自訓(xùn)練半監(jiān)督高光譜影像分類過(guò)程的速度，利用證據(jù)理論的合成規(guī)則以提升無(wú)標(biāo)記標(biāo)簽轉(zhuǎn)化為有標(biāo)記標(biāo)簽的質(zhì)量。通過(guò)與多分類Logistic回歸與Renyi熵融合的自訓(xùn)練半監(jiān)督分類方法的比較試驗(yàn)結(jié)果表

4、明，在分類精度方面略有提高，最高達(dá)4.46%；運(yùn)行效率方面有了明顯的改善，提升幅度達(dá)25.97%-59.70%。
　?。?）針對(duì)研究高光譜數(shù)據(jù)維數(shù)約減對(duì)自訓(xùn)練半監(jiān)督分類方法的分類效率和分類質(zhì)量的影響，提出基于噪聲估計(jì)與最小Renyi交叉熵融合的高光譜遙感影像波段選擇方法。線性回歸的噪聲估計(jì)方法對(duì)高光譜影像數(shù)據(jù)中隨機(jī)噪聲進(jìn)行估計(jì)，然后利用Renyi交叉熵理論選擇原始影像中最大光譜信息量的波段，最后利用皮爾森相關(guān)系數(shù)法理論對(duì)這些波段進(jìn)