基于譜域-空間特征的半監(jiān)督高光譜圖像分類方法研究.pdf

1、高光譜遙感圖像分類是圖像研究領(lǐng)域的新熱點(diǎn)問(wèn)題，具有廣泛的應(yīng)用前景。隨著近年來(lái)關(guān)注度的持續(xù)上升和研究投入的不斷增加，已經(jīng)取得一定的技術(shù)成果。然而，由于高光譜遙感圖像本身的特殊性，使得其分類技術(shù)存在著維度高而訓(xùn)練集小、信息冗余、混合像素多等問(wèn)題。針對(duì)這些問(wèn)題，本文開(kāi)展了基于譜域-空間特征的半監(jiān)督高光譜圖像分類方法研究，主要研究工作及創(chuàng)新點(diǎn)如下:
　　1.為了充分利用目標(biāo)像素點(diǎn)的空間信息，提出將譜域和空間信息相結(jié)合的特征。目標(biāo)像素點(diǎn)的空

2、間信息包括:空間鄰域像素點(diǎn)光譜信息和目標(biāo)像素點(diǎn)自身空間位置信息。針對(duì)空間鄰域像素點(diǎn)光譜信息對(duì)目標(biāo)像素點(diǎn)的分類起積極輔助作用這一發(fā)現(xiàn)，提出了基于譜域-空域相結(jié)合的新特征，在此基礎(chǔ)上，針對(duì)農(nóng)作物區(qū)等具有規(guī)則形狀、區(qū)域性強(qiáng)的高光譜遙感圖像，引入目標(biāo)像素點(diǎn)的空間位置信息作為特征描述的一部分，提出基于譜域-多空間信息的新特征。實(shí)驗(yàn)結(jié)果證明，引入空域特征，可以修正由外界因素所導(dǎo)致的“同物異譜”椒鹽噪聲點(diǎn)的譜域特征;引入空間位置信息，在一定程度上提高

3、了具有強(qiáng)區(qū)域結(jié)構(gòu)性的遙感圖像的分類結(jié)果準(zhǔn)確率，將單像素分類擴(kuò)展成局部區(qū)域的可靠分類。
　　2.為了解決高空間分辨率帶來(lái)的邊緣混合像素點(diǎn)多的問(wèn)題，提出了基于圖割原理的二次分類方法。首先，在模糊支持向量機(jī)初步分類結(jié)果的基礎(chǔ)上，通過(guò)訓(xùn)練樣本集擴(kuò)建和K-Medoids聚類算法獲取每個(gè)類別的標(biāo)準(zhǔn)特征，作為圖割算法中類別分類代價(jià)計(jì)算的基礎(chǔ)。然后，基于圖割原理，一方面根據(jù)目標(biāo)像素點(diǎn)的光譜特征計(jì)算類別分類代價(jià)，另一方面根據(jù)空間鄰域像素點(diǎn)的類別來(lái)計(jì)

4、算空間分割代價(jià)，在初步分類結(jié)果的基礎(chǔ)上，對(duì)目標(biāo)像素點(diǎn)進(jìn)行二次分類。實(shí)驗(yàn)結(jié)果表明，在模糊支持向量機(jī)初次分類結(jié)果的基礎(chǔ)上，通過(guò)引入圖割算法對(duì)圖像進(jìn)行二次分類，可以有效地修正分類結(jié)果，尤其是對(duì)位于結(jié)構(gòu)邊緣的混合像素點(diǎn)，提高了分類性能;采用雙重篩選機(jī)制來(lái)擴(kuò)建訓(xùn)練樣本集，可以得到更為精確的類別標(biāo)準(zhǔn)特征，解決了高光譜遙感圖像樣本集不足的問(wèn)題。
　　綜上所述，本文針對(duì)高光譜遙感圖像分類領(lǐng)域的兩方面問(wèn)題展開(kāi)了研究，提出了一個(gè)基于譜域-空間特征的半