《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
