基于改进的LSTSVM高光谱图像分类方法研究

发布时间：2024-03-30 05:16

　　随着技术的发展,传感器的分辨率逐渐提高,获得的高光谱图像可以提供更加详细的特征类别信息,其分类技术已成为遥感领域研究的重要组成部分。人们一直在不断优化和改进分类器并取得了良好的效果。然而,由于高光谱数据的高维非线性,波段之间的高相关性以及较少的标记样本等一系列因素,对高光谱图像的分类提出了重大挑战。因此,由于已标记样本很少,如何准确并且快速地将高光谱图像进行分类逐渐成为研究的热点。半监督算法不仅利用已标记样本的信息,还利用未标记样本的信息来缓解训练样本引起的欠拟合问题。针对上述问题,本文在改进分类器的基础上,深入研究了半监督算法,提出了一种新的半监督分类算法。1、提出一种结合波段选择的半监督分类算法。该方法首先通过波段选择方法,去除高光谱图像中的冗余信息,进而降低复杂度和提高泛化能力;然后通过差分进化算法交叉变异未标记样本,并选择具有高置信度的样本扩展到已标记样本组中以提高分类准确性。实验结果表明,该方法能够有效地提升在小样本情况下分类器的分类精度与分类速度。2、在波段选择的基础上,提出一种结合空间信息的半监督分类算法。利用实际地物在一定区域内具有空间连贯性的特点,同时将空间信息融入分...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图1.2Pavia学院图像(a)假彩色合成图像RGB:17,27,50(b)参考地物图

第1章绪论表1.2Pavia工程学院高光谱图像9类地物示意图编号地物名称样本个数1Asphalt66412Meadows186493Gravel20994Trees30645MetalSheets13456Soil50297Bitu....

图3.1算3.3实验内容3.3.1数据介绍为验证算法有效性，本章选取1.4节介绍数据集和Pavia工程学院数据集进行实验，

3.3实验内容3.3.1数据介绍为验证算法有效性，本章选取1.4节介数据集和Pavia工程学院数据集进行实验，两数据集进行试验样本选取，随机选择其中谱图像八个主要类别包括Corn-notill，hay-windrowed，Soybeans-notill，Whea....

图32八个类别的参考地物图

参数设置件：电脑处理器为Intel(R)Core(TM)i7-4720HQs10操作系统，仿真软件为matlab2018a。价准则有：每个类别的分类精度、总体分类精（AverageAccuracy,AA）、Kappa系数。，m即类别数，iim即i类分类正确的样本数....

图3.3IndianPines数据集四种方法的分类结果图

标准SVM、结合边缘采样算法的SVM_MS（SVM法的DE_LSTSVM和本文算法四种分类算法的其中10个为已标记样本，剩下的是测试样本，ndianPines高光谱图像进行分类，表3.1给出了Kappa系数和运行时间。从表3.1可以看出分类性能明显好于....

本文编号：3941867