基于稀疏表示的高光谱图像分类算法研究-电子科学与技术专业论文.docx

基于稀疏表示的高光谱图像分类算法研究摘 基于稀疏表示的高光谱图像分类算法研究 摘 要 随着高光谱遥感技术的迅猛发展，高光谱图像在很多领域得到了广泛应用， 其中高光谱图像分类技术已经成为高光谱遥感技术的研究热点。高光谱图像具有 高空间分辨率的同时，每个像素蕴含了数百个波段的光谱信息，对地物分类精度 的提高有很大帮助。与此同时，如何充分地利用空间信息与光谱信息来进一步提 高分类精度也是具有挑战性的。 不同于传统的高光谱图像分类算法，稀疏表示分类算法通过使用过完备字典 对信号进行稀疏的表示，再通过稀疏系数进行分类，具有良好的分类性能。本文 以现有的高光谱分类技术和稀疏表示的最新理论为研究背景，深入研究了基于稀 疏表示的高光谱图像分类算法并取得了具有一定意义的研究成果。本文的主要工 作包括： 1．基于稀疏表示的高光谱图像分类方法：高光谱图像含有丰富的光谱信息和 空间信息，首先利用光谱信息通过稀疏表示求解算法获得稀疏系数向量，对稀疏 系数向量进行一系列的处理得到概率图，然后利用空间信息对其进行滤波处理， 最后通过对概率图进行比较获得分类结果图。 2．基于稀疏表示的多特征高光谱图像分类方法：结合核转换的稀疏表示方法 将低维空间的信息转换到高维空问再进行分类处理，在某些类别上能够取得较好 的效果。同时利用高光谱图像的原始信息对其进行分类处理，同样在其他一些类 别能取得不错的效果。因此，通过结合线性特征和非线性特征，同时利用高光谱 图像的空间信息和光谱信息对其进行分类。 本文通过Indian Pines、Pavia University和Salinas Scene这三幅在高光谱图像分 类上经典的数据集上进行对比实验，以验证所提出算法的有效性。实验结果证明： 本文所提出的方法在分类精度上取得了一定的提升。 关键词：高光谱图像；地物分类；稀疏表示；空间信息；光谱信息；多特征学习 II 万方数据 硕士学位论文Abstract 硕士学位论文 Abstract With the rapid development of hyperspectral remote sensor technology， hyperspectral image(HSI)is widely used in many fields，including the hyperspectral image classification technology，which has become a hotspot of hyperspectral remote sensor technology．Hyperspectral image has high spatial resolution，each pixel contains hundreds of band spectral information，which is of great help to improve the accuracy of ground targets classification．Meanwhile，how to make full use of spatial information and spectral information to further improve the classification accuracy is also very challenging． Different from traditional hyperspectral image classification methods，the sparse representation classification method uses a over—complete dictionary to sparse representation of signal，then classifies by sparse coefficients，which leads to a good classification performance．Based on the background of the existing hyperspectral image classifications and sparse representation in the latest theory，the paper makes a deep research of the hyperspectral classification method based on sparse representation and has achieved a certain significant result．The paper mainly contains： 1．