基于高斯過(guò)程的高光譜圖像分類(lèi)算法研究.pdf

1、由于高光譜圖像具有高維非線(xiàn)性，像元混合嚴(yán)重，信息冗余等特點(diǎn)，使得其圖像處理相當(dāng)復(fù)雜。為了能夠避免高光譜數(shù)據(jù)處理過(guò)程中，出現(xiàn)的Hughes現(xiàn)象，即維數(shù)災(zāi)難，將高斯過(guò)程分類(lèi)(Gaussian Process Classifier，GPC)引入其中。高斯過(guò)程分類(lèi)(Gaussian Process Classifier，GPC)是一種，在貝葉斯(Bayesian)框架下的概率化分類(lèi)算法，是貝葉斯完全概率化表達(dá)，已經(jīng)成功用于模式識(shí)別與軟工業(yè)測(cè)量等

2、領(lǐng)域。本文在高斯過(guò)程的基礎(chǔ)上，以高光譜數(shù)據(jù)為背景，對(duì)高光譜圖像高斯過(guò)程分類(lèi)算法進(jìn)行深入研究。
　　本文針對(duì)高光譜圖像分類(lèi)的主要工作如下：
　　1.介紹高斯過(guò)程基本原理，簡(jiǎn)要分析分類(lèi)的基礎(chǔ)理論，高光譜圖像的特點(diǎn)，給出了圖像分類(lèi)的評(píng)價(jià)指標(biāo)體系，同時(shí)給出了高斯過(guò)程高光譜分類(lèi)模型。
　　2.以拉普拉斯近似化方法下為例，介紹直接法多類(lèi)分類(lèi)算法。以二類(lèi)分類(lèi)為基礎(chǔ)進(jìn)行高光譜圖像分類(lèi)，提出一種間接多目標(biāo)分類(lèi)方法即二對(duì)二高斯過(guò)程多目標(biāo)分

3、類(lèi)。以二類(lèi)分類(lèi)為基礎(chǔ)的高光譜圖像在算法實(shí)現(xiàn)上比較簡(jiǎn)潔，優(yōu)化二類(lèi)分類(lèi)的同時(shí)，即意味著優(yōu)化多類(lèi)分類(lèi)。
　　3.在分析核函數(shù)的不同特點(diǎn)的基礎(chǔ)上，給出了幾種組合核函數(shù)，并將其用于高光譜圖像分類(lèi)中，取得了一定效果。組合核函數(shù)的優(yōu)點(diǎn)在于：依據(jù)不同性能的核函數(shù)組合而成的新構(gòu)造的核函數(shù)既擁有局部性能更好核函數(shù)的學(xué)習(xí)能力，又能夠擁有全局性能較好核函數(shù)的更好的推廣能力。
　　4.介紹了Parzen窗似然估計(jì)的基本原理，再結(jié)合組合核函數(shù)，提出Pa