基于特征提取的高光谱图像的分类技术研究.pdfVIP

摘 要 目前，高光谱遥感己经成为遥感领域的前沿科技，其中高光谱图像分类技术己经成 为高光谱遥感处理领域的研究 点，对该技术进行研究具有较高的理论及应用价值。 在实际应用中，对高光谱分类器的性能要求越来越高，相应的高光谱图像分类技术的 研究应该围绕这个指导思想，紧密结合高光谱遥感的具体应用。本文的研究工作主要 包括以下几个方面: 首先，结合高光谱影像数据的描述空间，从分类的角度上阐述了高光谱影像降维的 必要性，总结了现有的特征提取和分类技术的发展现状，从理论上分析了高光谱遥感 图像的特征提取技术的可行性。 接着，重点讲解了高光谱图像的分类理论，讲解了高光谱图像分类技术的概念原 理、特点和原则、以及分类的顺序和方法。并且从非监督分类和监督分类两个角度上 将常用的高光谱图像分类方法进行归类，并介绍了高光谱图像分类一些很经典的分类 方法，例如最小距离分类法、最大似然比分类法等等。 最后，文章从基于支持向量机 （Support Vector Machine， SVM）的高光谱图像分 类技术这个方向入手，重点研究了基于SVM 的高光谱图像数据的分类方法，并结合高 光谱图像和多光谱图像的分类做了对比试验，验证了算法的有效性。 关键词 ：高光谱影像，特征提取，特征选择，分类，降维，支持向量机 Abstract Currently, hyperspectral remote sensing (HRS) has become a cutting-edge field of remote sensing (RS) area. Hyperspectral image classification has become one of the hottest research fields of the remote sensing area. The hyperspectral classification technology has ery high alue both in application and theory research. In HRS applications, the requirements of hyperspectral classifiers performance are increasing. The corresponding hyperspectral classification technology research should focus on the topic,connecting with the specific application of hyperspectral remote sensing. This research includes the following aspects: Base on the describing space of hyperspectral image,the essentiality of dimension reduction was gi en from the aspect of classification.Then classification technologies were in estigated,and the potential hyperspectral image feature extraction was expatiated.the feature extracion and of classification-oriented. Then, focus on the classification of hyperspectral images, explain the concept of hyperspectral image classification technology, features