空譜協作的高光譜圖像分類方法研究.pdf

1、高光譜圖像分類技術是高光譜圖像處理的一個重要分支，是為了確定圖像中包含像元地物類別的過程，常見的分類方法包括無監(jiān)督分類、有監(jiān)督分類和半監(jiān)督分類三大類。隨著高新技術的快速發(fā)展，人們對分類精度的要求日益提高。此外，遙感圖像傳感器的不斷發(fā)展，細化的光譜分辨率和空間分辨率為高光譜圖像分類精度的進一步提高提供了強有力的發(fā)展載體。如今，分類方法日益豐富，但是由于高光譜圖像的特殊性，高光譜圖像分類方法依然存在著一些嚴峻的問題。同時，傳統高光譜圖像分類

2、方法存在著明顯的不足，即分類中只依靠光譜信息，忽略了空間信息的協作作用。因此，針對如何選取具有代表性的無標簽樣本、如何確定無標簽樣本的類別以及如何利用空間信息指導字典學習問題，分別提出三種不同特色的空譜協作分類方法，在輔助利用像元的空間鄰域信息的基礎之上，更有效地克服了有標簽樣本過少所引起的問題。本文研究工作描述如下：
　　首先，提出基于空-譜信息的高光譜半監(jiān)督分類算法，首先利用2D-Gabor濾波器提取空間信息，將得到的每個像元

3、的空間特征與光譜特征級聯。然后利用有標簽訓練樣本的空間鄰域信息和主動學習相結合選取出既包含空間信息且信息量大的無標簽訓練樣本，將其加入到原有有標簽訓練集中得到新的訓練集，從而提高基于概率模型支持向量機的分類精度。從空間信息指導無標簽樣本選擇的角度更加有效地利用了圖像的空間信息。
　　其次，提出基于空-譜標簽傳遞的高光譜半監(jiān)督分類算法，首先級聯每個像元的光譜特征和空間特征。然后利用空間平滑特性構造空間圖，同時利用自適應的調節(jié)方法確定

4、圖參數。隨后，在光譜圖和空間圖共同地作用下進行標簽傳遞確定無標簽樣本的標簽，形成新的訓練集，從而提高支持向量機的分類精度。從空-譜圖的角度更加有效地利用了圖像的空間信息。
　　最后，提出基于空間字典多映射核協作稀疏高光譜分類算法，首先利用空間和光譜信息構建稀疏向量的空-譜圖，將其應用在字典優(yōu)化過程中得到一個具有代表性和判別能力的空間字典。然后利用新提出的多映射核框架將空間信息進一步地融入到協作表示分類中，從而降低計算代價和提高分類