基于空域滤波和生成式对抗网络的高光谱图像分类

发布时间：2020-09-25 14:02

　　随着高光谱遥感技术的快速发展,高光谱遥感数据的光谱分辨率和空间分辨率日益提高,在社会生活各个领域的应用也越来越广泛。高光谱遥感数据拥有特别丰富的空间信息和光谱信息,尤其是光谱信息。利用其丰富的空间信息和光谱信息,可以对高光谱图像进行一系列的分析与处理,包括地物分类。本论文主要在基于空域滤波的方法和生成式对抗网络模型的基础上,对高光谱图像的地物分类问题展开研究,最终目的是进一步提高现有高光谱图像的分类效率与精度,从而更加方便高光谱数据后续的信息再次利用与处理。论文的研究内容主要包括以下几个方面:1.随着高光谱图像的空间分辨率日益提高,丰富的空间信息给后续数据的分析处理带来了不可替代的价值,利用空间信息进行分类可以很有效地提高分类精度。论文提出一种基于空域滤波配合SVM分类器来进行高光谱图像分类效果和分类时间提升的方法,巧妙的利用空域滤波对数据的平滑特性,合理的加入数据的空间信息,来有效的对后续的分类效果和分类时间进行双重提升。另外论文对现存的几种比较有代表性的空谱联合的经典分类方法做了一个比较系统的统计与分析,在证明本工作点算法高效性的同时,为滤波类高光谱图像分类方法在实际工程中的应用提供一个理论指导。2.生成式对抗网络是一种由两个网络组成的生成式网络模型。论文提出一种将生成式对抗网络运用于高光谱图像分类的方法,在该网络模型中,生成式对抗网络的最终目的不再是生成模拟真实数据的样本,而是意在分类,也就是把判别网络训练成一个适合于高光谱图像分类的分类器,在这其间生成网络起到了一个很好的辅助分类的作用。具体做法是对判别网络输出结构进行改进使之成为分类网络,同时对生成网络和判别网络的损失函数做相关的改进变形,使之成为了一个适合于高光谱图像分类的半监督网络模型。论文同样在此工作点利用光谱信息和空谱结合信息分别做了实验,以充分证明该方法的有效性。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP751
【部分图文】：

方法,滤波器,边缘保持

西安电子科技大学硕士学位论文器训练过程中支持向量的个数，从而在提升分类精度的同时大量减少分类时间。给高光谱图像的分类结果带来精度和时间上的双重提升。算法结构示意图如图3.1所示。图3.1 f-SVM方法图示另一方面，对于算法所使用的滤波器，由于一般的空域滤波器例如维纳、高斯等仅仅具有空域平滑的作用，对数据空间信息的提取不够准确详尽，故而论文加入几种带有边缘保持性质的滤波器来进行辅助分类，实验证明边缘保持滤波器的使用在提升分类时间的同时会对实验的分类精度再有一个大幅度的提升。对论文中所用边缘保持性质的滤波器下一小节会做一个详尽的介绍。3.1.2空间滤波器1）双边滤波器双边滤波器是一种非线性的带有边缘保持性质的滤波器[70, 71]。该滤波器在进行平滑滤波的时候不仅利用了图像空间域方面的信息，而且利用值域方面的信息。它的输出是由原始像素点所有邻域像素的加权平均值得来的，而双边滤波器之所以能够具有边缘保持性质就是因为它的权值不仅仅依靠图像空间的欧式距离等信息，还与图像值域的像素点强度值的差异有关。如式3-1所示。O(i) =j∈ iP (j)ω(i, j)j∈ iω(i, j)(3-1)其中，O(i)表示像素点i经过滤波器之后的输出

数据集,伪彩色图像,类别,波段

波段参与实验。Indian Pines数据集的伪彩色图和真实的地物信息如图3.2所示。2）Salinas数据集Salinas数据集同样是由AVIRIS传感器获取的，该数据集采集于美国加利福尼亚州的一个山谷地带，由224个波段组成，包含512×217个像素，空间分辨率3.7m。Salinas数据集包含16种地物类别，其中包括休耕地、芹菜、杂草等多种植被。如Indian Pines数据集一样，被水汽吸收的20个波段（108至122,154至167,224）并没有包含太多有用的信息，故而将其移除，余下的204个波段参与接下来的实验。Salinas数据集的伪彩色图和真实的地物信息如图3.3所示。3）University of Pavia数据集University of Pavia数据集是由ROSIS（the Reflective Optics System Imaging Spec-trometry）传感器获取的

数据集,伪彩色图像,类别,地物

Salinas数据集的伪彩色图和真实的地物信息如图3.3所示。3）University of Pavia数据集University of Pavia数据集是由ROSIS（the Reflective Optics System Imaging Spec-trometry）传感器获取的，数据采集自意大利北部的帕维亚的一个学校，空间分辨率达到1.3m。该数据集包含610×610个像素点，分别有103个光谱波段。Universityof Pavia数据集的地物类别共9类，其中包含柏油路面、草地、碎石、树木、裸地等19

【参考文献】