基于松弛聚類假設的高光譜數據分類研究.pdf

1、近年來,隨著遙感技術的迅猛發(fā)展,人們可以獲取大量的高光譜數據,如何根據這些數據進行準確的地物分類,是遙感數據應用水平提高的關鍵。目前已有大量機器學習算法用于高光譜數據的分類,這些方法基本上都基于聚類假設,即光譜相同/相似的數據具有相同/相似的標簽。但是,由于傳感器噪聲以及成像設備分辨率的限制,實際高光譜數據中存在嚴重的“同物異譜”和“同譜異物”現象,嚴重制約了聚類假設下分類器的性能提高。針對這一問題,本文將松弛聚類假設思想引入到高光譜數

2、據分類中,與稀疏編碼分類器和SVM( Support Vector Machine)分類器結合,發(fā)展了松弛聚類假設下的高光譜數據分類方法。主要研究工作和創(chuàng)新包括以下內容:
　　(1)設計了一種松弛聚類假設下的高光譜數據稀疏編碼分類算法。將松弛聚類假設思想以概率向量的形式應用到稀疏編碼模型下,設計了相應的優(yōu)化目標函數與優(yōu)化算法。在實際高光譜數據集上進行的仿真實驗結果表明:松弛聚類假設能夠大大改善由于混合像元引起的數據分類正確率不高的

3、情況。
　　(2)設計了一種松弛聚類假設下的半監(jiān)督高光譜數據分類算法(RCA-SLR-SSC)。該算法是將松弛聚類假設思想應用到SVM分類器下,定義了松弛聚類假設下的半監(jiān)督圖Laplacian正則,以及根據高光譜數據的空間約束正則。松弛聚類假設思想降低了像元誤分的可能性,空間圖正則的加入增強了樣本標記的平滑性,減少了樣本標記中的奇異點。所以,該算法能夠得到較高的分類正確率。在實際高光譜數據集上進行的仿真實驗驗證了該算法的性能。與同

4、類算法相比,該算法能夠在較少樣本情況下得到較好的分類結果。
　　(3)設計了一種空-譜松弛聚類假設下的半監(jiān)督高光譜圖像分類方法。該算法是對RCA-SLR-SSC算法在空間上進行了進一步松弛。即利用sketch算法提取出高光譜數據中背景像元與待分類像元之間邊界處的像元,并減小這些像元對應的空間約束矩陣中的權值,構造一個新的拉普拉斯圖矩陣。再將這個新的拉普拉斯圖矩陣應用到RCA-SLR-SSC算法中。松弛聚類假設思想在空間上的應用大大