支撑向量机在光谱遥感影像分类中的若干问题研究.pdf

摘要 光潞遥感攘术已黢成为人们获敬撼球袋褥倦患髓一种燕要的手段之一，发撵整越采越广泛 的社会效髓。隧羲巍游避感技求朝蛰“兰蕊”(窬意蛹势辨黎、藏光潜分辨攀、嵩时糟势辨率) 和“三多”(多搀惑器、多平台、多角度)遮猛发展，入靠j褥获取越来越庞犬的巍滋避感数据e 然嚣蘸藏遥感傣息麴摄取翻拳j阚承擎夫大滞悉予避撩接术躺发展，闲赋研究鞭戆璎论积方法提 高遥慧储惑的擒激水平鼹秦十势熏黉盼辩义。 分裳娥入们菝取倍息的一种重要鹩警蔽。传辘盼势炎搿法蘧戳缀黢风险鼹小张为翔鳓艨娜， 鼹寄鲞训练样零数趋于滗夯时，其性溉才麓遮剿璎浚上魏最仇。然荫谯糍谱遥感影像分粪巾诩 绦样本钱谯戆霄鼹靛。强襻本誉怒瓣，绩绕的努豢蠢法镬镣不能逡粥壤想翁分类赣嶷，凭英焱 耐离光谱彩像龅分爽中。样本不足的阍簸更为突啦，容易霉毁严鬟的Hughes现象。统计学习理 论繁一次系凌她研究丁程样本脊龋的情况下的枫嚣学掰月鼷，掇出了一种能够根掇样本数餐触 多少仓骥蟪藏截分爨嚣媳捺广熊杰的一辩攘溅选取艨鲻～缡翰戴陵聚枣纯瓢赠；支撑爨鬟辍 (SVMs)是在该璎谂糕絮下产生静一种潦糟学习方法。本文将SVMs掰于毙漤遥感分癸，黪蘸 了细下几方霹帮辐蚀靼朗新撼的研麓工撵； ● 系统蟪惑臻了现露躺三蹙主簧的簸餐分类蠢浃，薄运掰统计学习领域鹃蠼论成爨深入癸析 了分类器鹣攘r”能鸯冀谢绦精度昶蠛鍪嵇计耩度之润静荚系，模裁簸杂寝、褥馥续鼗辎训 练样本黢鹣鞴甄荚悉鞍量嚣对诫撩麟褒鞭傣计耩发瓣澎晌方式，以及如俺德取逶警瓣分类 横型； ● 避过多溅落靳巅汽谱遥感影缘麴分类窑验，将svb姆壤蠹豹几种代袭牲的势类方法避籽 然法(MaxLike)，墩彀耩耨邂擞趣的巍谬角度制霸法(SAM)、留一游．方菱健计蹬天儆然 凄辩参数选敷的敏媾弦痰撩T-RBFNN，囡霓受嚣予缱触。 ● 通过麓瑷裔雾娄支撑离爨概爨法鳓系撬键总结铃辑，靛琉壤次型炎撵鹞懿桃(H-SVMs)磷 强安现榍瓣海效嬲多类势装。由予避一步憋分辑教观现存的黉潮碍分靛疫爨方法谯壤f“鲻 嚣线蠖映射簌黪商绻羧空越时存霞一定扇醚醺，麟鲍本文缡合SVMs鞠RBF搜瞒数懿褥点 提}量{了一辩在RBF梭祷饺空阚申艘麓娄朔可分憾的方法，荠龟其慧{瀣土捉激了两稚屡次獬 雾蹙盎撑囱辩祝；二必檄囊撵薪避钒《BTSVMs)羊|l攀层聚粪袁撑痨鬣祝(SLC SVMs)。 运两种万法游鏊本膘想避使类层次缎翰中越上鼷的予粪乏闽敬游铤空海的瓣分性越强，逡 糕～方蕊珂戳懋链减少盘土麓’F船谈麓豢穰，援麓熬拣分黉耩发；鬓…穷蕊，可辍使上鳞 的SVM分黉嚣中的支撑向黧尽搿辘少，飙麟撬离分类涎度。燕骏证E鞠了本文撼出鹣RBF 梭将饿窑阐中类润磷分健静发鲑方漩辩l榴廊的磷种艨玖!l!多类支襻两凝槐露法韵念璎蠛翔 静效绺。 ● 谯憨结了域霄躺萼拳被逡敬舅涟鼹蒸溅，j二，辫獯势轿誊l对蜓了遮t℃特缓删除渡(RFE)帮蜘 高光谱遥感影像波段选取中的实用性。根据高光谱影像波段问相关性强的特点，本文提出 了一种基于波段问相关性的波段过滤方法，这种方法实现速度快，可以有效地删除相关强 的波段。作为一种波段预选方法，实验证明相关性过滤法优=r常用的等间隔采样法。本文 还将相关性过滤法与RFE和DFPA组合成一。种混合型波段选取方法。实验证明这种方法可 以明显减少波段选取阶段所需时间，并在基本不损失分类精度的前提下人火提高分类速度。 从整体时问而言．“相关性过滤法+SLC 是两种可取的快速高光谱分类方案。 · 不完全监督分类是近年提出的一种新的分类类型，它介于监督分类和非监督分类之间。在 不完全监督分类中，为了提取某个目标类，只需要给出目标类的训练样本即可。而在许多 遥感影像分类问题中，人们往往只关心某种(某几种)类别，此时如果采用不完全监督分 类法，可以节省大量样本选取的工作．具有非常重要的实用价值。本文提出了一种基于加 权无标识样本支撑向量机，并在其基础上提出了一种不完全监督分类的方法。该方法通过 选取无标识样本间接地利用了非目标类的信息．将不完全分类问题(单类分类问题)转化 为两类分类问题，既具有SVM分类能力，又有效地克服了已有的1-SVM算法对核参数取 值的敏感性。 关键词：多光谱遥感；高光谱遥感：支撑向量机；波段选取：多类分类；