高光谱数据稀疏约束分类识别技术研究(2)

菜单

3.2 算法 9

4 系统设计与实现 12

4.1 系统需求分析 12

4.2 系统设计 12

4.3 核心模块的设计与开发 14

5 实验与分析 19

5.1 实验流程。 19

5.2 实验与分析 21

5.3 结果 25

结论 26

参考文献 27

1 绪论

1.1 课题背景

在中国，许多科学家从事研究高光谱遥感图像领域，研发出了众多相关的软件和系统，而且覆盖面特别广，例如航空、航天方面。这从另外一个侧面也可以看出，高光谱遥感图像相应的技术在我国占据了非常主要的地位。这个过程体现了两个重要的特征，一个是应用需求的牵引，另外一个是体现我们国家国际前沿的发展方向。在 1980 年代，也是这项高光谱遥感技术发展的开始阶段，我国的科学家为了应对工业上对于黄金地质勘探的需要，独立自主的开发出了相应了高光谱图像扫描仪来应对。例如热红外高光谱扫描仪在比较敏感的短波红外光谱区就会起到很有效的作用。从这项技术开始，我国的高光谱遥感技术开始了一个新的纪元，在高光谱遥感技术的发展史上留下了不可抹去的一笔。往后，这项技术作为我们国家的自主独立开发拥有知识产权在社会了各个领域上得到了不断的发展和不断的应用。不管是在民用还是军用上，还是在地址矿物信息分析、水环境分析等方面都能起到非常不错的效果。论文网

1.2 研究意义

如今，科学技术在不断的发展，人们的各种身体感受在高科技的协助之下，得到了无限的扩大，对于的事物识别和认识的能力渐渐的提高。其中，最值得一提的当属 20 世纪最具标志性的科学技术成就之一的遥感技术。然而在遥感技术中，其核心当属光谱成像和雷达成像技术。这两样技术的成型和应用使得我们日常生活，对于事物的理解变得更加的直观，利用这个技术所给的依据会使这个过程更加便捷。光谱成像技术的研发，让反应地物光谱地物存在格局的空间影像与其有机的结合在一起。光谱和遥感影像的统一，或者称作谱像一体化，使得空间中每一个像元都赋予了其本身光谱信息的特征，实现了形象思维和逻辑思维的统一，提升了对于客观世界的认知能力，这毫无疑问是遥感技术发展史中一项举足轻重划时代的创新。

同时，高光谱遥感器在数以百计连续狭小的光谱带（约 2 到 10 纳米）捕获数据图像，这些光谱带横跨了从可见光到红外光谱（400 纳米到 2500 纳米）。在高光谱成像里的像素是用向量表示的，这些向量入口是和光谱带一致的。在特定的波长下，不同的材料通常反射出不同的电磁能量。这些使得对于土地覆盖物的描述、识别和分类更加具有准确度和健壮性。在最近几年，许多技术已经被发现来解决高光谱成像分类。

在这些方法中,支持向量机已经成为一个强大的工具来解决为高维数据监督分类问题和在高光谱分类中已经展示了一个很好的性能，是因为他们能高效解决带有大量输入空间的能力和产生稀疏的解决方案。另一个有效的方法是基于图的方法，在这些方法里面，每一个样本扩散它的标记和没有标记的样本直到全部的数据集实现了稳定。最近,稀疏表示已计划被用于高光谱成像分类。它依赖于这种假设:在同类里面的高光谱像素是在相同的低维子空间里。此外,基于贝叶斯学习框架的稀疏多项式逻辑回归方法也表现的很好，在高光谱分类中得到了更多的关注。这种方法学习了他们本身的类分布，并提供一个稀疏回归量。所有这些方法都是大量训练样本所必须的，为了避免众所周知的休斯影响和只注重光谱信息的情况。为了提高分类精度, 先前许多关于利用空间信息的方法被提出了。一个是复合内核的方法,结合在内核空间的光谱和空间信息。另一个是马尔可夫随机域方法,是用来在已经是具有同类标签的相邻像素之中研究其统计独立性。总而言之，空间信息已经在高光谱分类中扮演了一个重要的角色。文献综述