高光譜圖像特征選擇和分類.pdf

1、由于高光譜遙感影像含有豐富的空間信息、輻射信息和光譜信息這些豐富的信息為地表物體目標提供了更為豐富的表示信息能對目標精細分類和有效識別。高光譜遙感技術(shù)已經(jīng)應用到了地球科學的各個方面，但是與高光譜圖像的優(yōu)點相對立的是處理難度大，隨著高光譜傳感器的發(fā)展所獲得的高光譜數(shù)據(jù)的數(shù)據(jù)量也逐漸增多，在眾多波段之間其相關性也逐漸增高，這時我們僅僅利用光譜信息進行地物識別和分類是遠遠不夠的，我們需要提取多種類型的特征用以將目標進行精確的分類，特征提取后形

2、成的特征空間可達數(shù)百上千維，直接運用這些高維的特征進行分類是不明智的，在使用高維特征空間直接進行分類時，往往需要更多的樣本，從而出現(xiàn)“維數(shù)災難”。因此本文針對高光譜圖像處理的兩個焦點問題:高光譜特征降維，高光譜圖像分類進行研究。主要研究工作和貢獻如下:
　　(1)分析高光譜數(shù)據(jù)的特性，針對使用單一光譜信息作為特征進行分類的缺點，研究各類型的高光譜圖像特征算法并將這些特征運用到本文的特征選擇算法中去，以進一步提高光譜地物分類與識別能

3、力。
　　(2)提出了一種新的特征選擇方法，這種方法同時利用了監(jiān)督信息和非監(jiān)督信息，能夠保存全局與局部信息。通過對高光譜圖像分類證實特征選擇是非常有必要的，經(jīng)過該算法特征選擇后得到的特征向量在分類中的區(qū)分能力更強，證實了原始特征向量中存在著大量的冗余和噪聲。在高光譜數(shù)據(jù)上實驗表明該算法性能優(yōu)于現(xiàn)有的經(jīng)典特征降維與特征選擇算法，表明了此特征選擇方法的有效性，體現(xiàn)了該算法的價值。
　　(3)在對現(xiàn)有的超圖分類算法分析和研究的基礎