面向大規(guī)模高光譜數(shù)據(jù)的半監(jiān)督地物分類方法.pdf

1、高光譜遙感技術(shù)的快速發(fā)展，為地物的精確分類帶來契機(jī)。對(duì)于高光譜數(shù)據(jù)而言，無監(jiān)督分類方法不能獲得很好的分類效果，而監(jiān)督分類方法由于在獲取標(biāo)記樣本時(shí)耗費(fèi)人力物力，使得分類器泛化能力不強(qiáng)。因此，能夠同時(shí)利用少量標(biāo)記樣本以及大量未標(biāo)記樣本的半監(jiān)督方法成為研究的熱點(diǎn)，其中基于圖的半監(jiān)督方法由于能通過圖有效的反映數(shù)據(jù)之間的信息，逼近數(shù)據(jù)之間的流形結(jié)構(gòu)而受到廣泛關(guān)注。然而，高光譜的高特征維度和數(shù)據(jù)規(guī)模，使得傳統(tǒng)基于圖的算法承受巨大的計(jì)算和存儲(chǔ)壓力。本

2、文為了解決該問題，提出了幾種以錨點(diǎn)圖正則為核心的面向大規(guī)模高光譜數(shù)據(jù)的半監(jiān)督地物分類方法：
　　（1）提出一種基于模糊錨點(diǎn)圖正則的高光譜圖像分類算法，選取數(shù)目遠(yuǎn)小于樣本總數(shù)的錨點(diǎn)用于標(biāo)簽預(yù)測(cè)，能夠有效減輕傳統(tǒng)基于圖的半監(jiān)督算法中由于高光譜數(shù)據(jù)規(guī)模巨大而帶來的計(jì)算和存儲(chǔ)問題。首先，通過基于空間近鄰加權(quán)值的核模糊 C均值聚類選取錨點(diǎn)并得到隸屬度矩陣，然后計(jì)算交叉相似度矩陣，并利用該矩陣構(gòu)建模糊錨點(diǎn)圖正則，通過優(yōu)化求解目標(biāo)函數(shù)，得到錨點(diǎn)

3、的標(biāo)簽，最后根據(jù)線性關(guān)系計(jì)算未標(biāo)記樣本的標(biāo)記。根據(jù)實(shí)驗(yàn)仿真，與一些經(jīng)典的高光譜圖像分類算法進(jìn)行比較，可以看出本章算法與其它算法相比具有較好的分類效果。
　?。?）提出一種基于局部模糊錨點(diǎn)圖正則和松弛聚類的高光譜圖像分類算法，在上一章算法的基礎(chǔ)之上，利用交叉相似度矩陣對(duì)高光譜數(shù)據(jù)進(jìn)行聚類與空間分割，將圖像分割成為一系列的超像素，將每個(gè)超像素與周圍的超像素聯(lián)合起來組成超像素集，計(jì)算超像素集中樣本之間的相似度，將其用于構(gòu)建局部模糊錨點(diǎn)圖

4、正則，并引入松弛聚類假設(shè)，減小混合像元對(duì)分類精度帶來的負(fù)面影響，之后對(duì)每個(gè)超像素集迭代計(jì)算錨點(diǎn)標(biāo)簽和樣本屬于各個(gè)類別的概率向量，使用迭代得到錨點(diǎn)的標(biāo)簽對(duì)超像素中樣本的進(jìn)行標(biāo)簽預(yù)測(cè)。在實(shí)際高光譜數(shù)據(jù)上進(jìn)行仿真，可以看出本章算法具有明顯的優(yōu)勢(shì)，分類效果更好，具有空間局部一致性。
　?。?）提出一種基于模糊錨點(diǎn)圖正則的高光譜分類算法分布式實(shí)現(xiàn)，首先采用隨機(jī)采樣和規(guī)則采樣對(duì)數(shù)據(jù)進(jìn)行分配，并發(fā)送給各個(gè)子系統(tǒng)，接著使用分布式基于空間近鄰加權(quán)的