基于光谱-空间信息的高光谱图像半监督分类方法研究

发布时间：2024-03-03 23:59

　　高光谱图像提供了丰富的可以反映不同材料物理材质的光谱信息,可用于对地物精细分类。传统的分类方法在对高光谱图像分类过程中面临许多问题和挑战:如何解决小样本对高维数据的识别分类问题、如何对分类结果进一步优化、如何提高方法的执行效率等等。本论文充分利用高光谱图像的光谱信息和空间信息,在高光谱图像分类方法研究现状的基础上,研究了两种半监督高光谱分类方法,并使用多个高光谱数据集对提出方法进行了验证。1.为了克服稀少样本对高光谱图像的分类精度的影响,提出了一种基于多分辨率分割与边缘保持滤波的高光谱图像分类方法。首先采用多分辨率分割的方法对高光谱图像进行分割,将图像分割为多个同质区域,在包含训练样本的同质区域内随机选取几个像素进行标记作为新增的训练样本,有效的克服了分类样本不足导致高光谱图像分类精度显著下降的问题。然后使用支持向量机对高光谱图像分类得到初始分类结果。充分利用像素之间的空间相邻性,使用边缘保持滤波纠正初始分类结果中类似“椒盐”噪声的误分类结果。实验比较了几种广泛使用的高光谱图像分类方法,结果显示:基于多分辨率分割与边缘保持滤波的高光谱图像分类方法能够充分利用图像的空间上下文信息,有效的...

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

图２．１多分辨率分割示意图??Ｆｉｇ．?２．１?Ｍｕｌｔｉ－ｒｅｓｏｌｕｔｉｏｎ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｄｉａｇｒａｍ??，??

图２．１多分辨率分割示意图??Ｆｉｇ．?２．１?Ｍｕｌｔｉ－ｒｅｓｏｌｕｔｉｏｎ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｄｉａｇｒａｍ??通过设置不同的尺度参数调整分割的区域内像素度参数以满足后续的需要。??类分割??类分割（ｓｉｍｐｌｅ?ｌｉｎｅａｒ?ｉｔｅｒａｔｉｖｅ?ｃｌｕｓｔｅｒｉｎ....

图２．２双边滤波器效果示意图??Ｆｉｇ．?２．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｂｉｌａｔｅｒａｌ?ｆｉｌｔｅｒ??双边滤波是一种非线性的图像滤波方法，该方法结合了图像像素值相似度以及??

４?４?５?５?５??４?４?４?５?５?５??图２．１多分辨率分割示意图??Ｆｉｇ．?２．１?Ｍｕｌｔｉ－ｒｅｓｏｌｕｔｉｏｎ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｄｉａｇｒａｍ??多尺度分割能够通过设置不同的尺度参数调整分割的区域内像素的最大异质性，??从而获得感兴趣的尺度参数以满足后....

图２．３随机漫步流程图??

谱值的差异，用表示。其中，．ｄ是一个自由参数。一个结点的度为??Ａ?＝?Ｉ：?Ｗ＼，表示的是与结点相关联的所有边的权重和。??随机漫步的流程图如图２．３所示。图中节点“１”、“２”和“３”分别代表标记为“１”、??“：？’和“３”的不同类别的节点，节点”代表未标记的自由节点，箭头....

图２．４标签传播过程??Ｆｉ．?２．４?Ｔｈｅｒｏｃｅｄｕｒｅ?ｏｆ?Ｌａｂｅｌ?Ｐｒｏａａｔｉｏｎ??

的节点Ｘｒ和未标记的节点Ｘｆ；，边ｅ，；上的权重灰；代表两个节点的相似度，节点的标??签根据相似度传递给其他节点。??标签传播过程如图２．４所示，图中黑色的节点与灰色的节点分别代表不同类别的??己标记数据，白色的节点为未标记数据。通过迭代的方式，根据箭头的方向与概率??把标签从己....

本文编号：3918561