高光譜圖像特征學(xué)習(xí)與分類算法研究.pdf

1、近年來，遙感技術(shù)飛躍發(fā)展使得高光譜成像儀獲得的高光譜遙感圖像有著光譜分辨率高、光譜通道數(shù)多的特點，并在生態(tài)科學(xué)、地質(zhì)科學(xué)、水文科學(xué)、精準(zhǔn)農(nóng)業(yè)和軍事等領(lǐng)域有著廣泛的應(yīng)用。與此同時，波段數(shù)多、數(shù)據(jù)量大也帶來一些諸如計算復(fù)雜度高，噪聲干擾和標(biāo)記樣本困難等問題。因此，如何有效降低高光譜遙感圖像的維度，提取有用的特征是處理高光譜遙感圖像需要解決的一個重要問題。本文主要對遙感圖像數(shù)據(jù)的特征學(xué)習(xí)和分類方法進行研究，通過特征選擇和特征提取，降低圖像維度

2、，減少存儲和計算量，改進分類算法從而提高分類精度。本論文主要工作概括如下：
　?。?）提出一種基于半監(jiān)督張量標(biāo)度切特征提取方法，并應(yīng)用于高光譜遙感圖像的分類。首先采用了能夠結(jié)合高光譜圖像空間信息與譜域信息的張量表示法對其進行表示，并對其進行分塊處理。接下來根據(jù)已標(biāo)記樣本計算樣本之間的類間不相似性和類內(nèi)不相似性，并以此在張量空間通過奇異值分解計算投影矩陣。實驗結(jié)果表明，該方法將高光譜圖像分成若干子張量，不僅保存了原始圖像的空間結(jié)構(gòu)，

3、利用了空間與譜間的相關(guān)性，更是充分挖掘了圖像局部空間相關(guān)性，圖像數(shù)據(jù)降維后再利用支撐矢量機進行分類，提高了分類性能。
　?。?）提出一種基于深度學(xué)習(xí)的高光譜遙感圖像波段選擇方法，并應(yīng)用于高光譜遙感圖像的分類。首先利用深度網(wǎng)絡(luò)對高光譜圖像每個波段進行特征學(xué)習(xí)，然后利用Softmax分類器求得的概率值構(gòu)造出波段之間的相關(guān)性矩陣，接著利用譜聚類算法進行聚類，得到冗余度較小的候選波段集，最后利用所選出的波段構(gòu)造對應(yīng)的新數(shù)據(jù)集并用于進行分類