基于多分辨率多核學習的高光譜圖像分類方法研究.pdf

1、高光譜成像實現了光譜維度上的細致觀測，光譜分辨率得到了很大提高，這就為地物辨別提供了更豐富的分辨信息。然而，對地物分類而言，更高的光譜分辨率并不意味著更有效的分類結果，分類器的觀測尺度影響著類內和類間樣本的相似性度量，而傳統(tǒng)分類器的觀測尺度不能自動適應數據的變化。因此，本文著眼于高光譜圖像特征的多分辨率挖掘與利用，通過多核學習方法將空間信息和光譜信息進行整合，以提高高光譜圖像地物分類應用的能力。
　　本文的主要研究內容是將信號的多

2、分辨率分析理論引入到多核學習方法中，以實現高光譜圖像的地物分類目的，分以下三個部分進行展開：
　　首先，從高光譜圖像的成像原理和數據特點出發(fā)，本文分析了多核學習方法在分類問題上的優(yōu)勢和不足，在多核學習理論框架之上著重介紹了核函數對樣本相似性的度量性質，并以此為基礎進行多核函數的構造，將抽象的映射特征空間形象化、具體化。接著，研究了典型的多核學習問題求解方法，引入多核函數的線性和非線性組合方式，為后續(xù)多分辨率多核學習方法研究提供支撐

3、。
　　然后，為將核函數的映射關系進行推廣，將映射特征具體化，給出典型的二維高光譜圖像特征提取方法，針對高光譜圖像數據在空間和光譜維度上的相關性，將二維特征提取方法又推廣到了三維特征提取。更重要的是，3D-Gabor實現了特征空間的多分辨率分析，通過對特征空間的伸縮變換，得到具有多分辨率特性的特征，并進一步通過實驗驗證了具有多分辨率特性的特征提取方法用于地物分類時的優(yōu)越性能。
　　最后，以多分辨率分析理論為指引，在核特征空間