超光譜圖像的模式分類技術(shù)研究.pdf

1、從20世紀(jì)后半葉開始，來源于多光譜傳感器的遙感圖像就已經(jīng)在農(nóng)林業(yè)、生態(tài)學(xué)、大氣科學(xué)等多種地球觀察應(yīng)用中表現(xiàn)出了巨大的應(yīng)用價值。然而對于區(qū)分愈發(fā)復(fù)雜的地面覆蓋來說多光譜傳感器的波段數(shù)目已經(jīng)不夠，尤其當(dāng)需要區(qū)分同一地物的多種類別時，傳統(tǒng)方式所采集的信息明顯不足。超光譜傳感器的問世可以解決這個問題。超光譜傳感器同時測量幾百個狹長而連續(xù)的譜帶，覆蓋了從可見光到中遠(yuǎn)紅外的區(qū)域，增加的波段使得排除各種類別之間的重疊信息成為可能，并且提高了鑒別微小差

2、別種類的能力。在實際應(yīng)用中，高維特征空間中的采樣點(diǎn)集合會造成所謂的維數(shù)災(zāi)難現(xiàn)象，即隨著采樣點(diǎn)的增多，高維特征空間將成指數(shù)倍地增加運(yùn)算復(fù)雜度。此外，高維數(shù)據(jù)也加重了運(yùn)算負(fù)荷、通信帶寬以及存儲空間需要量。
　　本文以超光譜圖像為背景，對模式分類系統(tǒng)所涉及的分類器設(shè)計、特征選擇及系統(tǒng)評價問題進(jìn)行了研究。其中，針對分類器設(shè)計這一核心問題，分別從相關(guān)分析和概率統(tǒng)計方面入手，研究了適用于超光譜數(shù)據(jù)分類的核方法。本文的主要內(nèi)容包括：
　　

3、針對超光譜圖像多分類器設(shè)計問題，提出了基于概率統(tǒng)計技術(shù)的一對一策略波段加權(quán)核方法。在支持向量機(jī)的算法框架下，分別采用來源于概率統(tǒng)計學(xué)中的幾種Bayes最小分類誤差上界對各子分類器所處理的兩個分類對象進(jìn)行可分性度量，并將其用作波段加權(quán)核函數(shù)的系數(shù)。這樣，每個子分類器可以利用一個基于可分性度量的加權(quán)向量來優(yōu)化分類，而對整個多分類器而言，即得到一個優(yōu)化加權(quán)矩陣。接著，分析了各子分類器在專屬優(yōu)化下的分類誤差，指出了剔除加權(quán)矩陣中小樣本可分性度量

4、對所提方法的必要性，并據(jù)此對算法做出進(jìn)一步優(yōu)化。實驗表明，所提方法能夠提高分類精度，對傳輸帶寬受限的較少波段圖像，提高則更為明顯。
　　提出了基于相關(guān)分析技術(shù)的超光譜分類核方法。利用相關(guān)分析技術(shù)提取超光譜數(shù)據(jù)立方體中未被分類器所利用的譜間信息，將其作為加權(quán)向量應(yīng)用在核函數(shù)內(nèi)部，使各子分類器得到一致優(yōu)化，使得有用分類信息較多的波段在分類中發(fā)揮更重要的決策作用，進(jìn)而提高分類精度。由于優(yōu)化后的子分類器參數(shù)一致，因此可靈活地選擇多分類策略

5、。接著，采取兩種方式生成加權(quán)向量：其一是利用各波段與相鄰波段之間的互信息，具有無需任何先驗信息的優(yōu)點(diǎn)，但是需要完整的譜帶才有效；其二是利用各波段與真實地物參考圖的相關(guān)信息，具有不受波段數(shù)目影響的優(yōu)點(diǎn)，但是需要參考圖。繼而設(shè)計了基于非線性相關(guān)系數(shù)的估計參考圖自動生成算法，很好地替代了需要人工標(biāo)定的真實地物參考圖。對于方式二，又分別選取了歸一化互信息和非線性相關(guān)系數(shù)這兩種相關(guān)分析技術(shù)，實驗表明基于后者的核方法在分類性能上更具優(yōu)勢。
　

6、　提出了基于多維互信息簡化算法的超光譜圖像波段選擇方法。選擇準(zhǔn)則采用多維互信息，具有無需對象服從任何分布的優(yōu)勢，同時由于互信息在計算過程中不涉及圖像中各類別間的區(qū)分運(yùn)算，因此無需在波段選擇環(huán)節(jié)就確定后續(xù)分類任務(wù)的具體類別。然而多維互信息在實際應(yīng)用中難以計算，將其分解后可得到若干個一維互信息以及若干個仍難以求解的一維條件互信息，但后者隨著間隔波段的增大會逐漸減小，因此對其采取了直接刪除及同質(zhì)化概念替代這兩種簡化計算方法。只要不采用浮動搜索

7、策略，這種不嚴(yán)格的刪除或替代便不會導(dǎo)致選擇過程被錯誤地終止。實驗表明該方法優(yōu)于公認(rèn)有較好表現(xiàn)的平均Jeffreys-Matusita距離順序前向選擇方法，不僅所選擇的波段用于分類后精度更高，而且在耗時方面優(yōu)勢明顯。
　　提出基于Tsallis熵冗余度的超光譜圖像性能評價方法。在解決冗余式波段選擇策略下分類器數(shù)據(jù)源的選取問題時，不可避免要度量蘊(yùn)含在多變量之間的相關(guān)性信息，因而提出了基于Tsallis熵冗余度的多變量相關(guān)分析算法。在評