基于Hyperion高光譜影像土地利用分類.pdf

1、高光譜遙感以納米級(jí)的超高光譜分辨率對(duì)目標(biāo)空間特征成像的同時(shí)，對(duì)每個(gè)像元可在更寬波長范圍上形成幾十個(gè)乃至幾百個(gè)窄波段連續(xù)的光譜覆蓋，具備辨別地物光譜細(xì)微差異的能力，這為某一地區(qū)高光譜影像分類提供了可能。但是高光譜遙感數(shù)據(jù)存在波段數(shù)目多、相關(guān)性高、空間分辨率較低等一系列問題，通過面向像元與面向亞像元的分類方法，旨在挖掘高光譜數(shù)據(jù)的應(yīng)用潛力，為高光譜影像分類深入研究提供幫助;同時(shí)，減小高光譜數(shù)據(jù)缺陷帶來的影響，發(fā)揮其光譜優(yōu)勢，最終達(dá)到進(jìn)一步提

2、高土地利用分類精度的目的。
　　 本文以Hyperion高光譜數(shù)據(jù)為數(shù)據(jù)源，選取杭州余杭百丈鎮(zhèn)為試驗(yàn)區(qū)，圍繞Hyperion高光譜影像分類這一目標(biāo)展開。第一部分基于Hyperion高光譜預(yù)處理數(shù)據(jù)比較了基于像元級(jí)別的兩種無參機(jī)器學(xué)習(xí)方法—支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)在同一訓(xùn)練樣本條件下的學(xué)習(xí)結(jié)果，結(jié)果表明支持向量機(jī)優(yōu)于神經(jīng)網(wǎng)絡(luò);第二部分基于Hyperion高光譜遙感預(yù)處理數(shù)據(jù)，結(jié)合紋理信息，在線性分離的光譜信息基礎(chǔ)上，實(shí)現(xiàn)對(duì)土地各地物的

3、分類，取得了滿意的分類效果。主要結(jié)論如下:
　　 (1)雖然從形式以及分類實(shí)質(zhì)上，支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)分類有類似之處，但是由于兩者對(duì)輸入數(shù)據(jù)樣本要求不同，兩者功能結(jié)構(gòu)不同，參數(shù)設(shè)定的復(fù)雜程度不盡相同，在假定像元為純凈像元，有限訓(xùn)練樣本條件下，支持向量機(jī)各地物分類的生產(chǎn)精度和用戶精度范圍分別是63.89％-98.67％，67.26％-95.39％，神經(jīng)網(wǎng)絡(luò)精度范圍為2.95％-99.21％，33.23％-94.18％，支持向量機(jī)能

4、夠取得全局最優(yōu)解，而神經(jīng)網(wǎng)絡(luò)只能取得局部最優(yōu)，其馬尾松、櫟類精度均高出支持向量機(jī)16％和15％。
　　 (2)紋理分析結(jié)合其他輔助要素，在中低空間分辨率高光譜遙感數(shù)據(jù)上也能得到較好的分類結(jié)果，在波譜與紋理結(jié)合方法操作下，建筑物精度較單源信息光譜角制圖與單源信息支持向量機(jī)分別提高了34.13％和17.16％，農(nóng)田提高了19.71％和9.24％，馬尾松則改善了27.09％和5.42％，櫟類精度提高了近3％和10％。要想提高精細(xì)植被類