论文摘要
高光谱遥感技术作为遥感领域的一项重大突破,在保留较高空间分辨率同时,光谱分辨率有极大的提高。这使得无论在描述同类地物的细节方面,还是识别不同类别地物的能力等方面都有大幅提高。然而,高光谱数据具有波段数目众多、各波段相关性强、运算量大的特点,这对相应的处理技术提出了很高的要求。本文主要针对高光谱遥感的一个重要应用——分类问题,展开系统的研究,从影响分类精度的几个关键要素入手,即特征空间的维数、图像空间的连续性、分类器的性能,深入研究各要素对分类的影响原理,得到了以下结论:1.为了解决高光谱图像数据的维数灾难问题,考虑到高光谱遥感图像波段的信息量和波段间的相关性,使用了一种自适应波段选择(ABS)的降维方法。2.研究并实现了ECHO算法。该算法是一种充分利用地物在空间上分布连续性这一信息,对高光谱图像先分块、再分类的分类方法,改进了通常意义下的分类只考虑光谱信息这一缺陷。3.研究并应用了组合分类方法进行高光谱数据的分类处理。由于各分类器的分类结果有着互补信息,因而一般来说,组合分类方法总有着较单个分类器精度更高的分类结果。本文将组合分类方法引入到高光谱图像的分类过程中,并针对该类图像的特点,提出了混合组合策略。该混合规则既有级联组合的严密性,又具有并联组合的灵活性,同时避免了大量的运算,有着很好的执行效率。各单分类器结果是基于度量级的输出,具有很好的可扩展性。实验表明,经过组合的分类器在高光谱数据分类应用有着优越的分类性能,可以得到较为理想的分类结果,并有着很强的适应性。