基于高光譜圖像的目標分類技術研究.pdf

1、隨著高光譜處理技術的發(fā)展，高光譜圖像分類技術受到了國內外越來越多的研究學者關注。與傳統(tǒng)遙感影像相比，高光譜遙感圖像光譜信息豐富以及“圖譜合一”的特點，決定了其具有對地物進行精細分類的巨大潛質，與此同時高光譜圖像數(shù)據量大維數(shù)多等特點也給高光譜圖像分類帶來了非常大的挑戰(zhàn)，傳統(tǒng)遙感圖像分類方法已不再適用于高光譜圖像，因此，為了充分利用高光譜圖像的信息，研究適合高光譜圖像的分類算法具有重要研究意義。
　　高光譜圖像常常會存在“異物同譜，同

2、譜異物”的現(xiàn)象，給高光譜圖像精細分類帶來了較大的困難。本文提出了一種結合高光譜圖像光譜信息和空間信息的分類方法，即基于子空間結合馬爾可夫模型的監(jiān)督分類方法，并對該方法做出了改進。子空間模型可以解決高光譜圖像數(shù)據量大的問題，馬爾科夫模型可以將高光譜圖像幾何空間中像元的連續(xù)分布轉化為像元與其鄰域的關系，可以充分利用高光譜圖像的空間信息，有效解決了“異物同譜，同譜異物”的問題。分類方法流程如下：首先通過子空間模型將高光譜圖像投影到一個低維特征