基于图嵌入框架的高光谱图像降维算法研究

发布时间：2020-04-06 21:59

【摘要】：随着遥感技术和高光谱成像技术的飞速发展,高光谱图像的分辨率(空间)和可观测的波段数量(谱间)都提高了很多。因此,高光谱图像能够反映地球表面物体精细的空间信息和丰富的谱间信息。由于这些详尽的信息能够真实反映地球表面物体的各类物理、化学性质,使得原本在可见光谱内不可分的地物,在高光谱遥感数据中能够得以识别。同时,也对高光谱数据的处理带来了巨大挑战,其中一项便是高光谱数据的较高维度对分类精度的影响。高光谱图像数据中,有冗余信息,噪声干扰和维数灾难等问题,而维数约减,即降维,是解决这一类型问题的有效方法。数据降维一方面可以发现隐匿在高维数据中的低维结构,另一方面可以缩减处理成本,为后续分类等应用减轻负担。本课题研究基于图嵌入降维框架,深入研究了图的构成及其在降维中应用,然后利用降维后的数据,输入支持向量机(SVM)分类器进行分类处理。论文的主要工作体现在以下几个方面:第一,针对高光谱数据中,同一地物存在相同光谱的假设,利用光谱之间的相似性,设计相似性距离来构图,提出了一种基于谱间相似性的图嵌入降维算法。该算法充分利用了高光谱数据的谱间信息,使原始数据得以充分应用;第二,针对目前已经存在的低秩图嵌入降维算法,只利用了全局的信息而没有考虑局部信息的情况,提出了一种局部保留低秩图嵌入降维算法。该算法在低秩图的基础上,引入局部保留映射算法中保留局部信息的做法,使得改进算法能够充分结合数据的全局特性和局部特性。实验证明改进的降维算法能够较大提升分类精度;第三,目前存在的顶尖图嵌入降维算法包括稀疏图嵌入,协同图嵌入和低秩图嵌入分别利用的是e1范数,e2范数和核范数来构造图。但是单个图不能同时获取到数据的全局最优和局部最优信息。考虑到同时利用三个图嵌入算法优势,提出了一种融合三种图的多图融合算法,并分别从特征融合和决策融合的角度,提升算法的分类精度。
【图文】：

光谱曲线,光谱曲线,像素,光谱波段

存在异物同谱，否则无法进行像素级别分类。逡逑考虑到每个高光谱图像像素是一系列反映光谱波段的数值，同类像素具有基本相逡逑似的两个光谱，如图３－２。从图中可以直观地看出来，相同物体的高光谱是大致一样逡逑的。逡逑０．２１逦逦逦逦逦逦逦逦逦逦逦逡逑。Ａ邋Ｂ．逡逑１邋ｖ逦Ｊ逡逑０逦２０逦４０逦６０逦８０逦１００邋１２０逡逑图３－２两个像素的光谱曲线逡逑Ｆｉｇ．邋３－２邋Ｓｐｅｃｔｒａｌ邋ｃｕｒｖｅｓ邋ｏｆ邋ｔｗｏ邋ｐｉｘｅｌｓ逡逑为了更加突出两个像素Ｘ，，＼光谱之间的差异，利用下面公式对两个像素进行处逡逑理逡逑＾邋＝卜，－＇Ｉ逦式（３－１）逡逑其中ｊｃｓｕＡ表示两个像素对应光谱波段数值相减之后的绝对值所组成的差值向量。假设逡逑同类中两个像素是完全一致的，从式（３－１）易知，ｊｃｓｕＡ中的元素将全部为０。而实际逡逑上，由于光谱是在自然条件下产生的，每个光谱波段一定会在不同程度上受到了自然逡逑环境的影响，这样，中一定会存在一些波段上的差异是可以被误差接受，而部分逡逑波段上的差异由于过大不能被接受。光谱相似性就能用可以被接受的部分占总波段数逡逑量的比例来代表，具体本征图的构造方式将在下一小节详细说明。逡逑２１逡逑

阈值,绝对值,差值

３．２．２基于谱间相似性图嵌入判别分析逡逑上一小节说明了光谱相似性可以进行评估的物理和现实基础。不妨取两个像素数逡逑据七，＋来考虑，将式（３－１）的结果用图３－３表示出来，并设置一个可以被接受的阈逡逑值，用来把误差可接受的部分和不可接受的部分区分开来。逡逑Xu｜—ｄ逡逑ＨＨｌ—‘逡逑０逦２０逦４０逦６０逦８０逦１００逦１２０逦１４Ｃ逦１６０逦１邋部邋２００逡逑图３－３差值绝对值和阈值逡逑Ｆｉｇ．邋３－３邋Ａｂｓｏｌｕｔｅ邋ｖａｌｕｅ邋ｏｆ邋ｄｉｆｆｅｒｅｎｃｅ邋ａｎｄ邋ｔｈｒｅｓｈｏｌｄ逡逑需要说明的是，，图中表现的误差实际上相对于原始数据来说是很小的，基本上会逡逑低于一到两个数量级。阈值的选取可以通过以下式子实现逡逑Ｔｄ＝ａｖｇ（ｘｓｕｂ）ｘｊｊ邋逦式（３－２）逡逑其中ｍ客（？）表示差值向量的所有元素总和的平均值，是一个调节参数。逡逑在取到合适的阈值后，很容易统计出可以被接受的波段数量，即统计差值向量中逡逑小于该阈值的元素个数，然后将此数量占总波段数量的比例计算出来，就能得到两个逡逑像素之间的相似系数，具体可用公式来表达逡逑ｓｉｍ（ｘｉ，ｘ／）邋＝邋＾＾逦逦—逦…式（３－３）逡逑其中表示两个像素的相似值。在构造本征图时
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP751

【参考文献】