典型目标遥感图像的类特征提取和分类研究.pdfVIP

典型目标遥感图像的类特征提取及分类研究 胡以华，荣晓春 电子_L释学院，安敬合肥230037 摘要：当前，对典型目标遥感图像的特征提取、优化及分类识别研究越米越涞入。论文首 先研究目标的类特征提取，采用Fisher比例法求解目标的粪特征，实现了对目标原始特征 集的优化．提高特征的表征能力和降低特征数目。同时，基于总体区别性娄特征，采用粗 集理论实现对典型目标的分类。在20个洲试的目标样本中，日标分类准确率达到85％。 关键词：特征优化：娄特征；遥感图像：Fisher比例法：粗集 引言 一般地，典型地物目标遥感图像预处理后所得的初始特征集包含大量特征，主要包括 灰度统计特征、儿何结构特征和目标背景差异特征等几类，具体包括了如均值等一系列的 特征量。在求解计算时，这些特征量很多都是互相关联的．它们对丁样本的分类贡献各不 相同，若都用于目标分类识别，不仅计算量大，使分类器结构复杂化，还会造成识别结果 不准确，所以有必要利用优化方法对特征进行约减分析，形成类特征，它往往包含的特征 数目少、冗余度小、表征能力好。对于目标分类识别而言．识别到其属于何种类别时，需 要的是总体区别性类特征；而如果时识别到某类下面的具体某种型号的目标时，需要的特 征要更具需可分性，即个体识别特征。本文重点研究总体区别性类特征。 类特征具有下列特点：可靠性高、可区分性强、彼此独立、较为完备、数量少。不难 理解，类特征的确定过程实质是针对不同类型目标识别任务的特征选择工作。因此，需要 制定特征选择的准则，也就是判断所选择特征子集可分眭达最大的判据，常用的准则有基 于类内类间距离的可分性判据、基于类的概率密度函数的可分性判据、基于熵函数的可分 性判据等“1。 论文尝试对以油库、港口、机场和舰船为代表的典型目标遥感图像进行处理，再目标 的代表性遥感图像如图1所示。典型目标遥感图像处理并经过特征提取后，基于Fisher比 例法来实现目标的类特征提取，并建立粗集理论下的目标分类算法，实现对类特征提取准 确性的验证及基于类特征的典型目标分类。 图1油库、港口、机场和舰船等典型目标的遥感成像图 1类别可分性准则特征优化原理 假设提取的各原始特征测量值是统计独立的，对于晰和W，两类训练样本，其均值向量 为mf和m，，提取了M个特征，其k维方向的分量为m谴和m雎，其k维方向的方差为仃；和 盯2诸，则定义可分性准则函数为 ， 、’ 2 ～l，(1) UI2——_■——●■一， l,z，…， G。：垫掣，，：一，…，MK 盯磊+仃五 分子为两类均值之差，反映了类与类之间离散程度的大小，值越大则各类样本越能分得开， 分母为两类方差平方和，它反映了同一类内部离散程度大小，各类样本内部越密集，则它 的值越小。由以上分析可知，G。值越大，表示测度值的第k分量对分离M和w，两类模式 越有效。如果将{G。，A=-I，2，…，M)按大小排列，选出较大的q对应的／7个测度值作为 分类特征，就达到特征选择的目的了。 除了Fisher准则外，还有散布矩阵准则等特征优化算法都可以用来进行目标的类特征 求解。这些优化算法的主要区别体现于待优化特征集合元素间的独立性、特征集空间大小 等。为了简化问题，此处以Fisher比例法为例给出基于类别可分性准则进行类特征求解的 过程。 2遥感图像典型目标的类特征求解 由于式(1)只能计算两类目标的区别性类特征，对于多类目标而言，求取其总体区别性 类特征时则需要将该式作一定改动。设有C类目标，提取了M个特征，则式(1)改为： c c-I ∑∑(m豫-mjk)2 2 t2—————■■——————一， q…，I／2(、，)