基于支持向量機(jī)的超譜圖像分類(lèi)技術(shù)研究.pdf

1、隨著數(shù)字信號(hào)處理技術(shù)、計(jì)算機(jī)技術(shù)以及通信技術(shù)的迅猛發(fā)展，遙感圖像處理技術(shù)在軍事、民用等領(lǐng)域發(fā)揮著越來(lái)越重要的作用。與多光譜遙感相比，超譜遙感具有更高的光譜分辨率。超譜圖像分類(lèi)的研究是超譜遙感應(yīng)用的主要內(nèi)容之一。硬分類(lèi)是將復(fù)雜的現(xiàn)象簡(jiǎn)化為少量的類(lèi)別，是提取超譜圖像中有用信息的重要處理方法之一。另一方面，超譜圖像的空間分辨率一般較低，從而導(dǎo)致混合像素廣泛存在，而處理混合像素相對(duì)于處理純像素更加困難且更具重要意義。作為混合像元處理主要技術(shù)的光

2、譜分離，就是要去求解光譜分離后像元內(nèi)各混合成分所占的比例，是一種更為精確的軟分類(lèi)技術(shù)。目前硬分類(lèi)方法較多，但分類(lèi)效果不夠理想或是方法本身有待提升；傳統(tǒng)軟分類(lèi)方法由于在光譜分離中無(wú)關(guān)類(lèi)別的參與以及光譜分離模型本身的不足導(dǎo)致分離效果不夠理想。為此，本文以支持向量機(jī)為主要理論，對(duì)超譜圖像硬、軟分類(lèi)(光譜分離)及相關(guān)技術(shù)進(jìn)行研究。 第一，研究基于相似特征逐步刪除的超譜圖像波段選擇和高斯低通濾波預(yù)處理方法。該波段選擇方法建立在特征相似性計(jì)

3、算之上，具有無(wú)監(jiān)督性并且計(jì)算復(fù)雜度很小。所提出的高斯低通濾波方法旨在減弱或消除超譜遙感圖像的高頻分量但不影響低頻分量，使得圖像平滑且平滑后的圖像類(lèi)內(nèi)距離變小而類(lèi)間距離變大，以便有利于后續(xù)分類(lèi)處理。 第二，系統(tǒng)研究支持向量機(jī)相關(guān)理論，包括理論基礎(chǔ)、分類(lèi)原理、線性分類(lèi)到非線性分類(lèi)的推廣、二類(lèi)分類(lèi)到多類(lèi)分類(lèi)的擴(kuò)展、主要實(shí)現(xiàn)技術(shù)等，并且對(duì)其分類(lèi)性能進(jìn)行了實(shí)驗(yàn)測(cè)試。理論基礎(chǔ)和主要原理的研究有利于理解支持向量機(jī)所具有的獨(dú)特優(yōu)勢(shì)；發(fā)展類(lèi)型和優(yōu)

4、化算法的研究旨在提高支持向量機(jī)的應(yīng)用效率；多類(lèi)實(shí)現(xiàn)方法的研究使得該技術(shù)能夠更為方便地處理類(lèi)別較多的分類(lèi)問(wèn)題。這部分內(nèi)容的研究為后文開(kāi)展奠定了必要的理論基礎(chǔ)。 第三，研究提高支持向量機(jī)分類(lèi)精度的方法，包括分類(lèi)前的模糊方法的應(yīng)用，訓(xùn)練過(guò)程中加權(quán)方法的應(yīng)用，以及初次訓(xùn)練完成后對(duì)于部分子分類(lèi)器的二次訓(xùn)練思想等。模糊方法在模糊聚類(lèi)的基礎(chǔ)上選擇訓(xùn)練樣本，并采用支持向量機(jī)分類(lèi)算法對(duì)圖像進(jìn)行最終的分類(lèi)，用以克服樣本 選擇的盲目性；加權(quán)方

5、法采用距離尺度對(duì)最小二乘支持向量機(jī)懲罰項(xiàng)進(jìn)行加權(quán)，以克服訓(xùn)練過(guò)程中噪聲點(diǎn)的不良干擾；二次訓(xùn)練思想對(duì)兩種類(lèi)型的支持向量機(jī)和全部參數(shù)均進(jìn)行有效的二次調(diào)整，通過(guò)對(duì)分類(lèi)效果最差的幾個(gè)子分類(lèi)器進(jìn)行二次參數(shù)調(diào)整，最后整合利用兩次獲得的最優(yōu)參數(shù)賦予相應(yīng)的子分類(lèi)器構(gòu)成新的總體分類(lèi)器。 第四，研究支持向量機(jī)應(yīng)用于光譜分離即軟分類(lèi)的可行性和方法，以及光譜分離中有效的類(lèi)別子集的選擇方法。一方面，介紹了線性支持向量機(jī)應(yīng)用于光譜分離的原理，應(yīng)用的非