有監(jiān)督高維遙感數(shù)據(jù)假彩色圖像合成特征生成與分類評(píng)價(jià).pdf

1、遙感數(shù)據(jù)的可視化是目視解譯等遙感技術(shù)應(yīng)用的基礎(chǔ)工作。彩色圖像最多只能包含3個(gè)特征。目前的遙感數(shù)據(jù)波段數(shù)（即特征）往往遠(yuǎn)遠(yuǎn)大于3。光譜分辨率越高，相鄰波段之間獲取的數(shù)據(jù)越相似，波段間的相關(guān)性越大，信息的冗余度越高，計(jì)算和處理越復(fù)雜。因此，高維遙感數(shù)據(jù)的降維就顯得尤為重要。本文針對(duì)高維遙感數(shù)據(jù)的可視化問題，通過對(duì)不同的有監(jiān)督特征生成方法的探討，提出遙感數(shù)據(jù)有監(jiān)督可視化方法。本文的研究對(duì)高維遙感數(shù)據(jù)的可視化與目視解譯的結(jié)合具有重要的意義。

2、r>　　本文提出了有監(jiān)督的主成分變換回歸參數(shù)重構(gòu)和Fisher判別回歸參數(shù)重構(gòu)的特征生成方法，在基于訓(xùn)練樣本的主成分變換法或Fisher判別法的基礎(chǔ)上，利用最小二乘法重新估計(jì)了主成分變換或Fisher判別的系數(shù)，選取訓(xùn)練樣本的前3個(gè)成分作為特征信息，分別賦予紅色、綠色和藍(lán)色，使其組合成一幅假彩色遙感圖像，實(shí)現(xiàn)高維遙感數(shù)據(jù)的有監(jiān)督可視化。同時(shí)選擇前3個(gè)特征進(jìn)行分類驗(yàn)證，用分類精度對(duì)這種可視化方法進(jìn)行評(píng)價(jià)?？梢暬Y(jié)果與遙感圖像主成分變換和經(jīng)

3、過Fisher判別變換之后的假彩色圖像進(jìn)行比較，新方法圖像有較好的目視解譯效果。
　　在有監(jiān)督分類的情況下，本文的數(shù)據(jù)分為訓(xùn)練樣本和檢驗(yàn)樣本兩部分，選取經(jīng)過主成分變換、主成分變換回歸參數(shù)重構(gòu)和Fisher判別回歸參數(shù)重構(gòu)后的所有成分的特征，重構(gòu)訓(xùn)練樣本，利用Fisher判別法建立分類模型，對(duì)樣本迸行分類，并與單純的Fisher判別分類法進(jìn)行了比較。結(jié)果表明:用主成分變換回歸參數(shù)重構(gòu)的方法進(jìn)行有監(jiān)督分類時(shí)，其分類精度為76.55％，

4、kappa系數(shù)為0.7163，用Fisher回歸參數(shù)重構(gòu)的方法進(jìn)行有監(jiān)督分類時(shí)，其分類精度為76.01％，kappa系數(shù)為0.7100，主成分變換的方法進(jìn)行有監(jiān)督分類時(shí)其分類結(jié)果與Fisher判別法的分類結(jié)果相同，分類精度都是75.74％，kappa系數(shù)都是0.7068，參數(shù)重構(gòu)的結(jié)果有所改善;用前3個(gè)特征對(duì)可視化進(jìn)行驗(yàn)證時(shí)，得到主成分變換、主成分變換回歸參數(shù)重構(gòu)、Fisher判別及Fisher判別回歸參數(shù)重構(gòu)的分類精度分別為64.69