基于概率潜语义分析模型的高光谱影像层次聚类分析.pdfVIP

第31卷，第9期 光谱学与光谱分析 V01．31，No．9。pp2471—2475 201 and 1 1年9月 SpectroscopySpectralAnalysis September，201 基于概率潜语义分析模型的高光谱影像层次聚类分析 易文斌1’2，慎 利1．-，齐银凤1’3，唐宏1’“¨ 1-北京师范大学地表过程与资源生态国家重点实验室，北京100875 Z．北京师范大学资源学院．北京 100875 3．国土环境与灾害监测围家测绘局重点实验室，江苏徐州 221116 4．矿山空间信息技术国家测绘局重点实验室，河南焦作454010 5．北京师范大学环境演变与自然灾害教育部重点实验室。北京100875 摘要将概率潜语义分析模型(PLsA)应用于高光谱影像聚类，提出一种基于语义信息的影像聚类方法。 首先，利用ISODATA算法获取影像的初次聚类结果，从而形成PLSA模型中的视觉词；其次．利用影像分 割算法对高光谱影像进行分割．并将分割体作为PI．SA模型的文档；再次．利用多种最佳聚类类别数估计方 法确定PLSA模型的潜语义主题的个数；进而估计PLSA模型的参数，获得概率主题内视觉词的概率分布 和每个分割体中各概率主题的混合比例；最后利用统计模式识别方法获取每个影像文档中各个视觉词对应 的潜语义主题的类型，从而实现影像的层次聚类分析。相关实验结果表明，本文的层次聚类结果较K— MEANS算法、ISODATA算法聚类结果的面向对象特性更明显，其与真实地物的空间分布更接近。 关键词概率潜语义分析模删；高光谱影像；层次聚类；语义信息 中圈分类号：0433．4文献标识码：A 机场模型的聚类算法需要在聚类精度与计算效率之间进行取 引 言 舍[7]。与基于像元聚类对应的是基于对象的聚类分析，该算 法的基元为影像对象，因此该聚类分析能够有效利用分割斑 随着卫星与传感器技术的飞速发展．利用各种机载和星 块之间的空间关系信息，因而能够取得较高的聚类精度【8j． 载传感器。可获取大量的多时相、多波段、多分辨率的对地 但基于对象的聚类结果严重依赖于分割算法，而目前没有通 观测数据，其被广泛应用于各类地理信息系统的基础数据的 用的影像分割算法嘲。 latent 更新与业务运行[1]。作为遥感领域的重要数据源之一，高光 semantic 概率潜语义分析模型(probabilistie analy- 谱影像具有光谱信息丰富、波段窄、波段数蕈多等特点。使 sis，PLSA)是一种自然语言分析技术，该模型通过分析文档 2。。为了有效利 得其数据存储管理与影像分析难度日益增]jIlt 与词的共生矩阵，可较好地提取文档的语义信息u0。。随着计 用海量高光i害誓影像信息，快速、非监督的影像聚类分析具有 算机技术的发展，该模型及其扩展模型已广泛应用于自然图 十分霉要的现实意义【3]。 像的I冬I片标注【11】、场景分类【12]、图像检索[131等问题。借鉴 影像聚类在基于特征空间的数据分析中得到广泛应用。 PLSA模型在自然图像分析的成功经验，许多研究者将其作 其也可被理解为一种非监督的影像分割【3]。遥感影像