高光譜遙感圖像分類方法研究.pdf

1、光譜分辨率的提高是光學(xué)遙感不斷發(fā)展的趨勢。高光譜分辨率(簡稱為高光譜)遙感技術(shù)是過去二十年中人類在對地觀測方面所取得的重大技術(shù)突破之一，是當(dāng)前遙感的前沿技術(shù)。由于高光譜所特有的高光譜分辨率的性質(zhì)，其潛在的可應(yīng)用性受到人們的廣泛關(guān)注。分類是獲取高光譜信息的一種重要手段。目前硬分類方法較多，但分類效果不夠理想或是方法本身有待提升；傳統(tǒng)軟分類方法由于在分離中無關(guān)類別的參與以及光譜分離模型本身的不足導(dǎo)致光譜分離效果不夠理想。 迭代自組數(shù)

2、據(jù)分析(ISODATA)算法是一種基于統(tǒng)計(jì)模式識別的非監(jiān)督動(dòng)態(tài)聚類劃分算法，有較強(qiáng)的實(shí)用性。支持向量機(jī)(SVM)算法，作為基于統(tǒng)計(jì)學(xué)習(xí)理論的一種有良好推廣性的高維非線性數(shù)據(jù)處理工具，得到了廣泛應(yīng)用。它的核心是把樣本非線性映射到高維特征空間，以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為歸納原則，在高維空間中構(gòu)造最優(yōu)分類超平面。為此，本文以迭代自組數(shù)據(jù)分析算法和支持向量機(jī)為主要理論，對超譜圖像硬、軟分類及相關(guān)技術(shù)進(jìn)行了研究。 第一，闡述了高光譜遙感技術(shù)的概念

3、，介紹了高光譜圖像的特征模式并分析了高光譜圖像數(shù)據(jù)的組成，闡述了硬分類、軟分類以及監(jiān)督無分類、無監(jiān)督分類的研究現(xiàn)狀、評價(jià)準(zhǔn)則和現(xiàn)存的技術(shù)問題，支持向量機(jī)基本理論等，為課題研究的展開奠定基礎(chǔ)。 第二，介紹了模糊ISODATA算法的原理和實(shí)現(xiàn)步驟，結(jié)合高光譜遙感圖像的特點(diǎn)，進(jìn)行了高光譜遙感圖像的分類，得到了理想的分類效果，并分析了參數(shù)的選取將對分類結(jié)果產(chǎn)生的影響。同時(shí)也采用硬分類的ISODATA算法，模糊C-均值算法對高光譜圖像進(jìn)行

4、分類，并將結(jié)果與模糊ISODATA算法進(jìn)行了比較，試驗(yàn)結(jié)果表明，模糊ISODATA算法在分類精度的改進(jìn)上性能優(yōu)于以上二種算法。 第三，提出了一種二次分類的多類支持向量機(jī)，它解決了由于高光譜圖像的數(shù)據(jù)量大和維數(shù)高的特點(diǎn)而存在的如何選擇最佳懲罰因子和最優(yōu)權(quán)向量系數(shù)的問題，消除了進(jìn)行大量的實(shí)驗(yàn)來確定懲罰因子的弊端。實(shí)驗(yàn)結(jié)果表明， 文中提出的二次分類方法的結(jié)果與1-a-1 SVM分類的混淆矩陣相比，之前混淆較嚴(yán)重的玉米—大豆這兩