目的在高光譜地物分類(lèi)中,混合像元在兩個(gè)方面給單標(biāo)簽分類(lèi)帶來(lái)了負(fù)面影響:單類(lèi)地物在混入異類(lèi)地物后,其光譜特征會(huì)發(fā)生改變,失去獨(dú)特性,使類(lèi)內(nèi)差異變大;多類(lèi)地物在混合比例加深的情況下,光譜曲線(xiàn)會(huì)互相趨近,使類(lèi)間差異變小。為了解決這一問(wèn)題,本文將多標(biāo)簽技術(shù)運(yùn)用在高光譜分類(lèi)中。方法基于高光譜特性,本文將歐氏距離與光譜角有機(jī)結(jié)合運(yùn)用到基于類(lèi)屬屬性的多標(biāo)簽學(xué)習(xí)LIFT（multi-label learning with label specific features）算法的類(lèi)屬屬性構(gòu)建中,形成了適合高光譜多標(biāo)簽的方法�；跇�(biāo)簽地位的不相等,本文為多標(biāo)簽數(shù)據(jù)標(biāo)注豐度最大標(biāo)簽,并在K最近鄰KNN（k-nearest neighbor）算法中為豐度最大的標(biāo)簽設(shè)置比其余標(biāo)簽更大的權(quán)重,完成對(duì)最大豐度標(biāo)簽的分類(lèi)。結(jié)果在多標(biāo)簽分類(lèi)與單標(biāo)簽分類(lèi)的比較中,多標(biāo)簽表現(xiàn)更優(yōu),且多標(biāo)簽在precision指標(biāo)上表現(xiàn)良好,高于單標(biāo)簽0. 5%～1. 5%。在與其余4種多標(biāo)簽方法的比較中,本文多標(biāo)簽方法在2個(gè)數(shù)據(jù)集上表現(xiàn)最優(yōu),在剩余1個(gè)數(shù)據(jù)集上表現(xiàn)次優(yōu)。在最大豐度標(biāo)簽的分類(lèi)上,本文方法表現(xiàn)優(yōu)于單標(biāo)簽分類(lèi),在數(shù)據(jù)集Jasper... 

【文章來(lái)源】：中國(guó)圖象圖形學(xué)報(bào). 2020,25(03)北大核心CSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

混入不同種類(lèi)地物混合像元光譜曲線(xiàn)

2)混合像元導(dǎo)致屬于不同類(lèi)別的地物的光譜特征相似性增強(qiáng)。比如某兩類(lèi)地物本來(lái)具有差異明顯的光譜曲線(xiàn)，但是由于混合，兩者之間的差異性減弱。且隨著混合比例趨于均等，兩類(lèi)地物由可分逐漸變?yōu)椴豢煞�。圖2顯示了兩類(lèi)地物隨著混合程度的加深產(chǎn)生的光譜相似性的增加。在圖2中，作為端元的地物為榍石和綠脫石，虛線(xiàn)為純像元的光譜曲線(xiàn)，實(shí)線(xiàn)為混合像元的光譜曲線(xiàn)。純凈榍石的光譜曲線(xiàn)(黑色虛線(xiàn))走勢(shì)較為平滑簡(jiǎn)單，各波段的平均反射率相對(duì)較低。純凈綠脫石的光譜曲線(xiàn)(藍(lán)色虛線(xiàn))有著較多波峰波谷，走勢(shì)較為復(fù)雜，且各波段的平均反射率相對(duì)較高。但隨著兩類(lèi)地物各自混入另一類(lèi)地物比例的增加，對(duì)應(yīng)的光譜曲線(xiàn)越來(lái)越相似，兩者的分類(lèi)邊界的決策也變得越來(lái)越困難�；旌舷裨拇嬖谠谝陨蟽蓚�(gè)方面給傳統(tǒng)的單標(biāo)簽分類(lèi)帶來(lái)了負(fù)面影響。為了消除混合像元帶來(lái)的負(fù)面影響，本文應(yīng)用了高光譜圖像的多標(biāo)簽分類(lèi)，混合像元會(huì)被分配對(duì)應(yīng)的一組標(biāo)簽。

單個(gè)像元的標(biāo)簽標(biāo)注示例如圖3，表1。圖3為一混合像元的比例圖，該像元對(duì)應(yīng)的標(biāo)簽標(biāo)注結(jié)果如表1。水的豐度最大，該像元的單標(biāo)簽為水。水和土的豐度大于閾值，該像元的多標(biāo)簽為水和土。完成標(biāo)簽制作后的數(shù)據(jù)集屬性如表2。S表示樣本個(gè)數(shù);dim(S)表示屬性個(gè)數(shù);L(S)表示標(biāo)簽個(gè)數(shù);LCard(S)表示標(biāo)簽基數(shù)，為樣本具有的平均相關(guān)標(biāo)簽個(gè)數(shù);LDen(S)表示標(biāo)簽密度;DL(S)表示標(biāo)簽多樣性;PDL(S)表示標(biāo)準(zhǔn)化標(biāo)簽多樣性。

【參考文獻(xiàn)】：
期刊論文
[1]基于熵加權(quán)K-means全局信息聚類(lèi)的高光譜圖像分類(lèi)[J]. 李玉,甄暢,石雪,趙泉華.  中國(guó)圖象圖形學(xué)報(bào). 2019(04)
[2]樣本優(yōu)化選擇的高光譜圖像分類(lèi)[J]. 方帥,祝鳳娟,董張玉,張晶.  中國(guó)圖象圖形學(xué)報(bào). 2019(01)
[3]結(jié)合空間光譜預(yù)處理和約束非負(fù)矩陣分解的高光譜圖像混合像元分解[J]. 彭倩,張兵,孫旭,高連如,于文博.  中國(guó)圖象圖形學(xué)報(bào). 2017(04)



本文編號(hào)：3587289