高光譜圖像分類與紅外成像仿真研究.pdf

1、高光譜圖像通常具有多模態(tài)類和模糊的類邊界，空間自適應(yīng)分類是遙感圖像領(lǐng)域中具有挑戰(zhàn)性的難題。由于高光譜圖像包含多種感興趣目標，而每種目標又包含變化的光譜信號，目標之間光譜可分性差。因此，很難找到一種通用的模型對高光譜圖像各種地物光譜信號的變化進行全面的建模。本文提出了基于約簡聚類凸殼的高光譜圖像主動分類、材質(zhì)分類和空間-光譜分類方法，并把研究工作集中在空間自適應(yīng)分類、典型地面目標背景的紅外成像仿真方面。
　　本文首先對數(shù)據(jù)樣本稀少且

2、樣本質(zhì)量不高而導(dǎo)致分類模型不夠穩(wěn)定的分類問題，提出了一種基于約簡聚類凸殼的主動分類方法。約簡聚類凸殼是初始聚類凸殼的形狀不變縮放，能夠以不同尺度描繪區(qū)域形狀結(jié)構(gòu)并保持其凸性。該方法使用基于劃分的K-means方法聚類高光譜圖像，獲得空間上分隔的多個同質(zhì)性區(qū)域，從近中心和近邊界凸殼區(qū)域分別抽取富于代表性和信息性的數(shù)據(jù)樣本進行主動支持向量機分類，該方法抑制了傳統(tǒng)主動學(xué)習一味主動選擇近邊界數(shù)據(jù)樣本所帶來的誤差，且通過改變聚類學(xué)習和凸殼約簡因子

3、就能方便地更改數(shù)據(jù)樣本的選取。實驗結(jié)果表明，改進后的方法提高了高光譜圖像主動分類的精度和速度。
　　其次，為了對光譜數(shù)據(jù)噪聲較大的材質(zhì)進行分類，本文提出了基于最小均方誤差的曲線擬合峰形特征匹配的材質(zhì)分類方法，對已知光譜和未知光譜分別提取五種峰形特征進行多種相似性度量的計算，將具有最大相似性的已知光譜類別賦予未知光譜。對不同物理條件下的巖石光譜、高光譜圖像像元光譜進行材質(zhì)分類實驗，實現(xiàn)了對未知光譜材質(zhì)的準確匹配。
　　針對高光

4、譜圖像分類典型地物方向呈隨機紋理分布的問題，本文提出了一種新的空間-光譜分類方法。該方法提出旋轉(zhuǎn)不變均衡局部Gabor二值模式直方圖特征并組合光譜特征進行支持向量機分類，可以有效抑制地物隨機紋理差異，減輕類內(nèi)變化對分類性能的影響。在多個經(jīng)典的高光譜圖像上，與傳統(tǒng)灰度共生矩陣（GLCM）、局部Gabor二值模式（LGBP）方法的對比實驗說明了該方法能提取到富于判別的直方圖特征，提高了高光譜圖像分類的精度。
　　在紅外成像仿真方面，本

5、文提出典型地面目標場景的紅外仿真方法。針對典型地面場景紅外仿真，提出了一個集成“場景分類-感興趣地物提取-溫度場計算-材質(zhì)標記-紅外輻射計算”的五級處理框架，該仿真流程以材質(zhì)特性數(shù)據(jù)庫為基礎(chǔ)，通過理論模型計算或?qū)嵟牡玫侥繕藞鼍暗臏囟葓龇植?，再計算目標場景在大氣條件下的紅外輻射量，生成紅外仿真圖,并模擬了大氣衰減和模糊效應(yīng)?；趯嵟膱D進行材質(zhì)-灰度統(tǒng)計對比，驗證了紅外成像仿真的可行性。
　　最后，本文對所做的工作進行了歸納總結(jié)，并且