基于支持向量機的高光譜遙感圖像分類方法研究.pdf

1、隨著對地觀測技術的發(fā)展，光譜遙感技術成為人們獲取地表信息的重要手段。高光譜遙感作為一種新型的遙感方式，在軍用和民用領域都發(fā)揮著極其重要的作用。高光譜圖像分類是高光譜信息處理的重要方向，高精度的分類算法是實現各種應用的前提。高光譜圖像以其高分辨率、多波段數、大數據量的特點給傳統圖像分類技術帶來了巨大的挑戰(zhàn)。由于支持向量機在小樣本、非線性和高維空間中展現出良好的分類性能，本文重點研究了基于支持向量機的高光譜遙感圖像分類方法，主要工作包括：<

2、br>　　(1)介紹了遙感研究的背景，綜述了成像光譜技術的發(fā)展、高光譜遙感分類的傳統方法和支持向量機的研究現狀。
　　(2)討論了高光譜圖像的成像機理和高光譜圖像的數據表達，對高光譜數據的特點進行了分析，總結了高光譜數據處理的特點。重點綜述了高光譜圖像分類的基本概念，對監(jiān)督分類與非監(jiān)督分類，硬分類和軟分類，單分類和多分類等分類策略進行了概括，對分類單元選擇、分類判據選擇、分類器選擇做了分析。
　　(3)傳統的機器學習方法是基

3、于經驗風險最小化原則來設計的，其應用的前提是需要足量的學習樣本數目。而基于統計學習理論的支持向量機能夠克服小樣本學習的束縛。論文介紹了最優(yōu)化理論，分析了支持向量機在線性可分、線性不可分時的不同模型設計，指出了核技術在解決非線性問題中的作用。將支持向量機的設計方法應用到高光譜圖像分類中來，取得了良好的分類結果。
　　(4)分析了支持向量機模型的選擇和參數的確定對分類器性能的影響，以懲罰因子和核參數為優(yōu)化對象，介紹了交叉驗證和網格搜索

4、的方法。最后，提出了一種基于粒子群算法的參數優(yōu)化方法，通過對慣性權重的自適應改進和突變粒子的設計，避免了粒子陷入局部最優(yōu)，優(yōu)化了算法全局尋優(yōu)的能力。以AVIRIS92AV3C的高光譜圖像為分類實驗數據，證明了方法的有效性，在一定程度上提高了分類精度。
　　(5)常規(guī)的高光譜圖像分類技術專注于光譜空間的分類信息，忽視了圖像空間的信息。本文提出了一種基于空譜一體化的高光譜分類方法，在對數據自身光譜特征分類的同時采用空間領域法、區(qū)域生長