基于稀疏子空间分析的高光谱图像聚类算法关键技术研究

发布时间：2025-01-19 13:48

　　近年来,高光谱遥感技术发展迅速,再加上高光谱图像(Hyperspectral Image,简称为HSI)本身可以提供地物的详细覆盖信息,研究人员可以从HSI中更加高效的提取出地物的光谱信息,辐射能量以及空间信息。但是HSI包含了丰富的空间信息和光谱信息,这导致它会有成百上千的维数,很容易造成维度灾难,所以其实对它进行聚类是比较困难的。现目前,我们可以将HSI聚类大致分为四种方法:1)基于质心的方法;2)基于密度的方法;3)基于生物学的方法;4)基于谱聚类的方法。其中谱聚类法较为流行且效果良好,而稀疏子空间聚类(Sparse Subspace Clustering,下面简称为SSC)就是众多谱聚类算法中的一种。SSC算法虽然可以对带噪声的数据进行处理,但是直接利用这种算法进行聚类也有它的局限。基于此,针对SSC算法未利用HSI的空间特征信息引入了流形正则项,在确保利用了 HSI的光谱信息的情况下,更好的获取了 HSI的空间特征;针对SSC算法未利用先验知识引入了半监督学习方法“高斯域和调和函数”(GFHF),同时利用类概率,用己知标签求取未知标签的类概率初始值代替GFHF中的标签二值矩阵。...

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图１．１高光谱图像数据中不同地物之间的连续光谱曲线??Ｆｉｇ?１．１?Ｔｈｅ?ｃｏｎｔｉｎｕｏｕｓ?ｓｐｅｃｔｒａｌ?ｃｕｒｖｅ?ｂｅｔｗｅｅｎ?ｄｉｆｆｅｒｅｎｔ?ｌａｎｄｓ?ｉｎ?ＨＳＩ?ｄａｔａ??

１．?２髙光谱图像介绍??ＨＳＩ是一种三维立体图像，可以理解为它是由地物空间信息特征的二维图像??加上描述地物的每一像素点的一维光谱曲线组成，如图１．?１所示。对于ＨＳＩ的分??析，可以从三个点来描述，分别是光谱信息，空间信息和辐射的能量特性。??（１）

图３．?２?Ｐａｖｉａ?Ｕｎｉｖｅｒｓｉｔｙ?ｓｃｅｎｅ实验结果的聚类??

图３．?２?Ｐａｖｉａ?Ｕｎｉｖｅｒｓｉｔｙ?ｓｃｅｎｅ实验结果的聚类??Ｆｉｇ?３．２?Ｃｌｕｓｔｅｒ?ｍａｐｓ?ｏｆ?ｔｈｅ?ｅｘｐｅｒｉｍｅｎｔａｌ?ｒｅｓｕｌｔｓ?ｏｎ?ｔｈｅ?Ｐａｖｉａ?Ｕｎｉｖｅｒｓｉｔｙ?ｓｃｅｎｅ??从图３．２中可以看出，ＬａｐＳＳＣ算法的聚类结....

图３．４?Ｓａｌｉｎａｓ?ｓｃｅｎｅ实验结果聚类图??

ｒｏｍａｉｎｅ＿７ｗｋ。图３．３提供了伪彩色图和地表图。??ＭＢｉＳｆｃｌ?Ｓ＾＝Ｌｅｄ（１１２７１）??Ｌ＿１?Ｌｅｔｔｕｃｅ－ｒｏｍａｉｎｅ－６＾ｉｃ（９１６）??０１?Ｌｅｔｔｕｃｅ－ｒｏｍａｉｎｅ－５Ｋｖｉｃｎ９２７｝??ＥＺ３?Ｌｅｔｔｕｃｅ－ｒｏｍａｍｅ＾ｗｉｃＯＯｅ....

图４．１用ＣＰＳ４Ｃ算法计算稀疏表示系数Ｃ

大利北部的Ｐａｖｉａ上空飞行时获得的。图像大小为６３０ｘ３４０ｘ１０３，有九个类。??实验切割了一个?１３５Ｘ９７Ｘ１０３?的区域，包括?ｔｒｅｅｓ，ｓｅｌｆ－ｂｌｏｃｋｉｎｇ?ｂｒｉｃｋｓ，?ｂｉｔｕｍｅｎ，??ｂａｒｅ?ｓｏｉｌ，?ａｓｐｈａｌｔ，ｇｒａｖｅｌ?ａｎｄ?ｓｈａ....

本文编号：4029059