《高光谱图像地物分类和分割方法研究1》由会员分享,可在线阅读,更多相关《高光谱图像地物分类和分割方法研究1(54页珍藏版)》请在金锄头文库上搜索。
1、西安电子科技大学 硕士学位论文 高光谱图像地物分类和分割方法研究 姓名:周宏杰 申请学位级别:硕士 专业:模式识别与智能系统 指导教师:张莉 20100101 摘要 摘要 高光谱遥感是当前遥感技术的前沿领域,它利用很多很窄的电磁波波段 从感兴趣的物体获得有用数据。高光谱遥感产生的高光谱图像包含了丰富的 空间、辐射和光谱三重信息。但是,由于高光谱图像本身的维数高且存在歧 义性,所以无论是在理论上还是在应用方面都还存在着许多待解决的问题。 本文的研究围绕着高光谱图像地物的分类和分割学习算法展开,主要的工作 如下: 研究了将1 范数支持向量机应用于高光谱图像地物的分类。目前支持向 量机算法已经成功应
2、用到了高光谱图像地物的分类中,但是检验速度不太理 想,主要原因是算法产生的支持向量较多。鉴于此,我们把1 范数支持向量 机算法应用到高光谱图像地物分类中。该算法可以在较大的减少非零系数的 情况下尽量保持识别率,而非零系数的减少有利于检验速度的提升。实验结 果验证了该算法的有效性。 提出了等距映射像素分布流算法。等距映射算法已经被用到了处理高光 谱图像地物分割中,但是该算法对特征相近的地物无法分开。本文把像素空 间信息引入到等距映射中,提出一种等距映射像素分布流算法。在该算法中, 我们用一个加权参数把像素空间信息和像素特征信息联系起来,通过调节该 加权参数能够改变空间信息和特征信息的比例,形成信
3、息差值序列,利用这 个差值序列来分割图像。仿真实验证明了等距映射像素分布流算法的有效性。 提出了基于像素特征信息的边界点校正方法。在我们利用上面提出的等 距映射像素分布流算法对高光谱图像地物进行分割后,我们发现得到的分割 结果比较破碎、边界点较多,而且地物的形态与标记相差较大。为了解决这 个问题,我们提出了基于像素特征信息的边界点校正方法,对冗余的边界点 进行校正即重新归类。仿真实验验证了该方法的有效性,使得校正后的结果 接近于地物形态。 本论文得到了国家自然科学基金( N O 6 0 6 0 2 0 6 4 ) 和( N O 6 0 9 7 0 0 6 7 ) 资助。 关键字:高光谱图像1
4、范数支持向量流形学习等距映射边界点校正 A B S T R A C T A B S T R A C T H y p e r s p e c t r a lr e m o t es e n s i n gt e c h n i q u ei so n ec u r r e n tf r o n t i e ro fr e m o t es e n s i n g t e c h n o l o g y I tu s e sal o to fv e r yn a r r o wb a n do fe l e c t r o m a g n e t i cw a v e sf r o mi n t
5、e r e s t i n g o b j e c t st oo b t a i n u s e f u ld a t a H y p e r s p e c t r a li m a g e s a r ea c q u i r e db yh y p e r s p e c t r a l r e m o t es e n s i n gi m a g e r sa n dc o n t a i nr i c hi n f o r m a t i o ni n c l u d i n gs p a c e ,r a d i a t i o na n d s p e c t r a li
6、n f o r m a t i o n H o w e v e r , t h e r ee x i s tl o t so fu n r e s o l v e dp r o b l e m si nt h e o r ya n d a p p l i c a t i o n sd u et oh i g h d i m e n s i o na n da m b i g u i t yo fh y p e r s p e c t r a ld a t a I nt h i st h e s i s , w ef o c u so nt h ec l a s s i f i c a t i
7、o na n ds e g m e n t a t i o no fh y p e r s p e c t r a ld a t a T h em a i nw o r ko f t h i st h e s i si sg i v e na sf o l l o w s P r e s e n t l y , s u p p o r tv e c t o rm a c h i n e ( S V M ) h a sb e e ns u c c e s s f u l l ya p p l i e dt ot h e c l a s s i f i c a t i o np r o b l e
8、 mo fh y p e r s p e c t r a ld a t a U n f o r t u n a t e l y , t h en u m b e ro fs u p p o r t v e c t o r s ,n o n - z e r oc o e f f i c i e n t si nt h em o d e lr e p r e s e n t a t i o n ,i st o om u c ht or e s u l tas l o w t e s ts p e e d S i n c et h e1 - n o r n lS V Mh a sb e t t e
9、rs p a r s e rt h a nS V M ,w ea p p l yt h e1 - n o r m S V Mt ot h ec l a s s i f i c a t i o np r o b l e mo fh y p e r s p e c t r a ld a t a T h er e s u l t so fe x p e r i m e n t v e r i f yt h ee f f e c t i v e n e s so ft h ea l g o r i t h m T h e1 - n o r mS V M C a nr e d u c et h en u
10、 m b e ro f n o n - z e r oc o e f f i c i e n t sa n dh a sac o m p a r e dp e r f o r m a n c e 、析t hS V M I s o m e t r i cf e a t u r em a p p i n g ( I S O M A P ) ,am e t h o df o rd i m e n s i o n a l i t yr e d u c t i o n ,h a s b e e nu s e dt os e g m e n tl a n d s c a p e sa c q u i r
11、e df r o mh y p e r s p e c t r a lr e m o t es e n s i n gb y c o m b i n i n gk - m e a n sc l u s t e r i n g W ef i n dt h a tt h es i m i l a rl a n d s c a p e sc a n n o tb ep a r t i t i o n e d b yu s i n gt h i sm e t h o d T or e m e d yi t ,w ep r o p o s eaI S O M A Pp i x e ld i s t r
12、i b u t e df l o w ( I S O M A PP D F l o w ) m e t h o db yi n t r o d u c i n gt h es p a c ei n f o r m a t i o ni n t oI S O M A P I no u r m e t h o d ,w ec o n n e c tt h ef e a t u r ei n f o r m a t i o n 谢t 1 1t h es p a c ei n f o r m a t i o nb yaw e i g h t e d f a c t o r W eC a ng e ta
13、s p a c e - f e a t u r ei n f o r m a t i o ns e q u e n c eb yc h a n g i n gt h ev a l u e so f f a c t o rf r o m0t o0 5 ,a n du s et h i ss p a c e - f e a 觚ei n f o r m a t i o ns e q u e n c et os e g m e n tt h e h y p e r s p e c t r a li m a g e s T h ee x p e r i m e n t a lr e s u l t ss
14、 h o wt h ee f f e c t i v e n e s so fo u ra l g o r i t h m A l t h o u g hw ec a ns e g m e n th y p e r s p e c t r a li m a g e sb yu s i n gI S O M A PP D F l o w , t h e s e g m e n t a t i o nr e s u l ti sn o tS Os a t i s f y i n g T h er e s u l t i n gs e g m e n t e dr e g i o n sa r en
15、 o tt o o c o n t i n u o u sa n dh a st o om u c hb o u n d a r yp o i n t s I no r d e rt os o l v et h i sp r o b l e m ,w e p r e s e n tab o u n d a r yp o i n tc o r r e c t i o nm e t h o db a s e do nt h ef e a t u r ei n f o r m a t i o nw h i c hc a n r e c l a s s i f yb o u n d a r yp o
16、i n t s T h ee x p e r i m e n t sp r o v et h ee f f e c t i v e n e s so ft h ea l g o r i t h m T h i sw o r kW a ss u p p o r t e di np a r tb yt h eN a t i o n a lS c i e n c eF o u n d a t i o no fC h i n a ( N o 6 0 6 0 2 0 6 4 ) a n dm O 6 0 9 7 0 0 6 7 ) K e y w o r d s :H y p e r s p e c t r a lI m a g e s ,1 - n o r mS u p p o r tV e c t o rM a c h i n e s ,M a n i f o l d L e a r n i n g ,I s o m e t r i cF e a t u r eM a p p i n g ,B o u n d a r