【摘要】：遙感技術(shù)和成像設(shè)備的不斷進(jìn)步,使得高光譜圖像得以廣泛應(yīng)用,分類是高光譜圖像處理及應(yīng)用的一個(gè)主要分支,目標(biāo)是為圖像中每個(gè)像素元賦以唯一的類別標(biāo)識(shí)。本文將聚焦于基于稀疏表達(dá)的高光譜圖像分類,提出有效的分類算法。為克服傳統(tǒng)方法通過堆疊訓(xùn)練樣本構(gòu)造字典所帶來的種種問題,本文以訓(xùn)練一個(gè)魯棒性高的字典為目標(biāo),提出了基于局部自適應(yīng)相似性的字典學(xué)習(xí)算法ALSS(Adaptive Local Structure Similarity),該算法不僅考慮了像元間的空間關(guān)系,還改進(jìn)了傳統(tǒng)方法中使用預(yù)先定義的、固定的拉普拉斯算子刻畫像元間局部空間關(guān)系的方式,而是在字典的學(xué)習(xí)過程中自適應(yīng)地修正像元間局部空間關(guān)系,這種自適應(yīng)學(xué)習(xí)局部相似性的字典學(xué)習(xí)算法具有以下兩點(diǎn)優(yōu)勢(shì):考慮了像元稀疏系數(shù)本身所具有的相似性關(guān)系;在字典學(xué)習(xí)過程中優(yōu)化該局部空間關(guān)系能使字典更具判別能力、更能準(zhǔn)確地進(jìn)行稀疏表達(dá)。除此之外,ALSS還將高光譜圖像劃分成空間上相鄰但獨(dú)立不重疊的空間塊,由于各空間塊通常由相同物質(zhì)構(gòu)成,所以塊內(nèi)像元可以通過來自字典的少量共有元素線性表示,這樣的字典學(xué)習(xí)算法不僅結(jié)合了高光譜圖像像元間的空間關(guān)聯(lián)信息,還為并行處理提供了條件。通過對(duì)ALSS算法的分類結(jié)果分析,可以發(fā)現(xiàn)其分類邊界微顯鋸齒狀,因此采用規(guī)則塊來分割高光譜圖像數(shù)據(jù)是不符合實(shí)際情況的。而超像素可以將位置相鄰并且顏色、亮度、紋理特征相似的像素點(diǎn)包含在一個(gè)塊區(qū)中,這些超像素均勻且互不重疊,這不僅符合高光譜圖像數(shù)據(jù)的實(shí)際情況,而且融合了多種豐富信息,最重要的是它能與ALSS算法完美結(jié)合,進(jìn)一步提升ALSS算法的分類精度,使分類結(jié)果更加平滑。由此,本文提出了基于超像素的高光譜圖像分類算法ALSS-SUP和ALSS-ERS,兩種算法結(jié)合超像素的思路不同:第一種ALSS-SUP,是將ALSS算法模型中的空間塊直接改變?yōu)槌袼剡M(jìn)行處理;第二種ALSS-ERS,則將超像素分割作為后處理步驟,在得到ALSS算法的分類結(jié)果后,對(duì)分類結(jié)果圖譜進(jìn)行超像素分割,然后采用多數(shù)投票方法更新每一個(gè)超像素的分類標(biāo)簽,并得到最終分類結(jié)果。在兩種方式中,不論是運(yùn)行時(shí)間還是分類精度ALSS-SUP都要高于ALSS-ERS,但兩種方法均能提升ALSS的分類性能。采用本文所提算法在三個(gè)常用的高光譜圖像數(shù)據(jù)集上分類,實(shí)驗(yàn)結(jié)果驗(yàn)證了它們的有效性。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 楊釗霞;鄒崢嶸;陶超;田彥平;何小飛;;空-譜信息與稀疏表示相結(jié)合的高光譜遙感影像分類[J];測(cè)繪學(xué)報(bào);2015年07期

2 黃慧娟;禹晶;孫衛(wèi)東;;基于多字典稀疏表示的遙感圖像亞像元映射[J];電子學(xué)報(bào);2015年06期

3 何同弟;李見為;;基于自適應(yīng)稀疏表示的高光譜遙感圖像分類[J];系統(tǒng)工程與電子技術(shù);2013年09期

4 宋琳;程詠梅;趙永強(qiáng);;基于稀疏表示模型和自回歸模型的高光譜分類[J];光學(xué)學(xué)報(bào);2012年03期

，

本文編號(hào)：2641060