基于稀疏表示和空間約束的高光譜遙感圖像分類方法研究.pdf

1、隨著科學(xué)技術(shù)的飛速發(fā)展以及人類處理數(shù)據(jù)能力的不斷加強(qiáng)，高光譜圖像處理已經(jīng)成為圖像處理技術(shù)中最受關(guān)注的領(lǐng)域之一。高光譜遙感影像圖像包含大量的空間信息和光譜信息，具有很高的光譜分辨率和空間分辨率。光譜信息決定了地物的譜特性，空間信息決定了地物的幾何特性，將高光譜圖像的光譜信息和空間信息有機(jī)的結(jié)合起來(lái)，有利于對(duì)高光譜遙感圖像進(jìn)行分類。因此，充分利用高光譜遙感圖像的光譜信息和空間信息進(jìn)行地物分類已經(jīng)成為最近的一個(gè)研究熱點(diǎn)。
　　最近，稀疏

2、表示在模式識(shí)別、信號(hào)處理和圖像處理等領(lǐng)域都取得了不錯(cuò)的成績(jī)。本文圍繞著稀疏表示理論的相關(guān)方法對(duì)高光譜遙感圖像分類的相關(guān)問(wèn)題進(jìn)行探討和研究，旨在搜索稀疏概念在高光譜遙感圖像分類問(wèn)題中的理論背景和具體應(yīng)用，并對(duì)稀疏表示框架進(jìn)行了改進(jìn)。具體研究?jī)?nèi)容如下：
　　(1)提出了一種基于半監(jiān)督局部保留降維和改進(jìn)的聯(lián)合協(xié)同表示相結(jié)合的分類方法。首先，對(duì)每?jī)深愑?xùn)練樣本求得一個(gè)投影矩陣，該投影矩陣使得每?jī)深悩颖局g同類的距離盡量小，不同類的距離盡量大

3、，這樣每?jī)深愔g都可以得到一個(gè)投影矩陣。在分類時(shí)，通過(guò)每?jī)深悩颖镜耐队熬仃?，我們可以判斷測(cè)試樣本和哪一類距離更接近，統(tǒng)計(jì)這些信息，我們可以得到測(cè)試樣本的類別。在Indian Pines和Salinas-A高光譜數(shù)據(jù)庫(kù)上進(jìn)行實(shí)驗(yàn)，從該算法實(shí)驗(yàn)結(jié)果可以看出，該算法在高光譜遙感圖像上分類的正確率很高。
　　(2)提出了一種基于半監(jiān)督局部保留線性判別降維算法和改進(jìn)最近鄰分類器相結(jié)合的分類算法。該算法的基本思想是結(jié)合有標(biāo)簽樣本和無(wú)標(biāo)簽的樣本

4、，得到一個(gè)最優(yōu)的投影子空間，然后通過(guò)一個(gè)改進(jìn)的最近鄰分類器。先將數(shù)據(jù)通過(guò)得到的投影矩陣進(jìn)行降維處理，然后用改進(jìn)的最近鄰分類器對(duì)測(cè)試樣本進(jìn)行分類。在Indian Pines和Kennedy Space Center高光譜數(shù)據(jù)庫(kù)上進(jìn)行了實(shí)驗(yàn)，與其他的分類算法相比，我們的算法有著明顯的優(yōu)勢(shì)。
　　(3)提出了一種基于兩階段非局部相似性聯(lián)合協(xié)同表示分類的算法。首先，該算法利用光譜信息得到每個(gè)測(cè)試樣本一定數(shù)目的近鄰訓(xùn)練樣本，把它作為該測(cè)試樣