空譜信息聯(lián)合的高光譜圖像分類方法研究.pdf

1、成像光譜儀的出現(xiàn)和技術(shù)上的不斷完善，為高光譜遙感技術(shù)的發(fā)展奠定了牢固的硬件基礎(chǔ)。高光譜圖像因其波段數(shù)目多、光譜分辨率高、可描繪地物信息豐富等特點(diǎn)，在遠(yuǎn)距離地物探測(cè)與解譯方向上發(fā)揮了獨(dú)特的優(yōu)勢(shì)，同時(shí)也為高光譜信息處理技術(shù)的發(fā)展帶來(lái)了前所未有的挑戰(zhàn)。高光譜圖像分類技術(shù)是高光譜圖像處理中重要的研究?jī)?nèi)容之一，它針對(duì)每個(gè)像元，給出確定的地物類別標(biāo)簽，為具體的農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)、軍事探測(cè)、水域調(diào)查等實(shí)際問(wèn)題提供量化的符號(hào)表示，有十分重要的研究意義。

2、r>　　現(xiàn)階段的分類方法中仍然存在不足，大多分類過(guò)程中僅依靠圖像光譜信息，而缺乏對(duì)地物空間結(jié)構(gòu)上的解釋，或者對(duì)空間信息挖掘深度不足，沒(méi)有最大程度發(fā)揮空間特征的輔助作用。另外，支持向量機(jī)在處理非線性問(wèn)題方面以及應(yīng)對(duì)維數(shù)災(zāi)難上發(fā)揮了它獨(dú)特的優(yōu)勢(shì)，但對(duì)于核函數(shù)的選取往往形式單一，對(duì)于多分類問(wèn)題缺乏良好的泛化能力。因此，本論文在前人研究成果的基礎(chǔ)上，針對(duì)上述問(wèn)題，提出有效的空間信息挖掘方法，并針對(duì)小樣本問(wèn)題，構(gòu)造多尺度、多特征的多核學(xué)習(xí)(MKL

3、)策略，具體研究?jī)?nèi)容如下：
　　首先，針對(duì)高光譜圖像分類現(xiàn)狀及前人研究給予概述。闡述高光譜圖像特征提取理論。針對(duì)非線性問(wèn)題，展示了核方法理論框架，并針對(duì)當(dāng)前核機(jī)器學(xué)習(xí)主流技術(shù)—支持向量機(jī)給予基礎(chǔ)理論的解釋和算法的推導(dǎo)。
　　其次，提出變換域的紋理特征提取及空譜信息融合分類方法。從2-D Gabor紋理特征提取出發(fā)，介紹了2-D Gabor濾波器在高光譜圖像紋理提取領(lǐng)域的技術(shù)原理及實(shí)現(xiàn)。針對(duì)原有提取策略兩個(gè)方面的不足：(1)針

4、對(duì)原始數(shù)據(jù)進(jìn)行紋理特征分析，其數(shù)據(jù)中的噪聲及冗余信息對(duì)空間結(jié)構(gòu)特征造成干擾；(2)原始紋理提取方法對(duì)空間結(jié)構(gòu)的挖掘深度不足，仍有未被探測(cè)到的空間信息存在，提出基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)的紋理提取策略。通過(guò)兩個(gè)數(shù)據(jù)集的實(shí)驗(yàn)驗(yàn)證，證明了所提出空-譜信息聯(lián)合算法的有效性，此外通過(guò)對(duì)噪聲數(shù)據(jù)的實(shí)驗(yàn)證明了算法的抗噪性能。所提出算法有效地挖掘了高光譜圖像空間結(jié)構(gòu)特征。
　　最后，研究了一種多分辨率多特征的多尺度核學(xué)習(xí)技術(shù)。針對(duì)支持向量機(jī)中單一