高光譜圖像的分類技術研究.pdf

1、高光譜遙感是當前遙感技術發(fā)展的一個前沿領域,它利用很多很窄的電磁波波段從感興趣的物體獲得有用信息。高光譜圖像作為遙感領域的一項重大突破,在保留較高空間分辨率同時,其光譜分辨率有極大的提高,達到了納米的數(shù)量級,可以用來探測和識別傳統(tǒng)全色和多光譜遙感中不可探測的地物類別。與傳統(tǒng)的多光譜遙感圖像相比,高光譜遙感圖像有著信息量大、光譜分辨率高等特點,這使得在描述與區(qū)分地物類別方面的能力有了大幅提高,進而為地物光譜信息的精確處理與分析提供了可能。

2、高光譜遙感系統(tǒng)已在全球許多國家的先進對地觀察遙感系統(tǒng)中占有重要的位置,己成為地球陸地、海洋、大氣觀察的生力軍。但是由于高光譜圖像具有較高的數(shù)據(jù)維數(shù),常規(guī)的圖像分類方法在處理高光譜圖像時有較大的限制,如何從大量的高光譜數(shù)據(jù)中快速而準確地挖掘出所需要的信息,實現(xiàn)高精度的分類,仍是一個亟待解決的問題。本文從高光譜圖像數(shù)據(jù)的特點入手,在對現(xiàn)有算法進行分析的基礎上,針對高光譜遙感圖像分類算法進行深入研究。主要的研究工作如下:
　?、僭趯Ω吖?/p>

3、譜遙感影像進行預處理之后,對所用高光譜圖像做了大氣校正。幾何校正選取為二次多項式模型,重采樣采用的是最近鄰插值法,精度方面的要求得到了充分保證,為下一步的正確分類打下了堅實的基礎。
　?、谔岢隽艘环N基于自適應粒子群優(yōu)化算法的RBF神經(jīng)網(wǎng)絡高光譜遙感圖像分類方法。由于人工神經(jīng)網(wǎng)絡具有并行處理、模糊識別和非線性映射等優(yōu)點,很適合高光譜圖像分類,但是其參數(shù)難選。采用自適應粒子群優(yōu)化算法對RBF神經(jīng)網(wǎng)絡的參數(shù)進行了優(yōu)化,建立了基于粒子群優(yōu)

4、化算法的的RBF神經(jīng)網(wǎng)絡模型,分類實驗結果表明了基于粒子群優(yōu)化的RBF神經(jīng)網(wǎng)絡模型具有很高的分類精度。
　?、厶岢隽艘环N基于自適應粒子群優(yōu)化算法的SVR高光譜遙感圖像分類方法。首先分析了支持向量回歸的核函數(shù)的構造和模型參數(shù)的優(yōu)選問題。由于本文數(shù)據(jù)樣本較少,模型參數(shù)優(yōu)選的比較復雜,本文采用了CV估計模型推廣誤差,并使用自適應粒子群優(yōu)化算法來優(yōu)選SVR模型參數(shù),構建了基于粒子群優(yōu)化算法的SVR高光譜遙感圖像分類模型,在一定程度上解決了