论文部分内容阅读
近年来高光谱图像处理受到了大家的广泛关注。由运行在各种平台上的高光谱传感仪器,在电磁波的紫外光谱段、可见光谱段、近红外谱段以及中红外谱段,以数十个到数百个的非常连续且精细划分开来的光谱波段同时对目标区域进行成像。在获取目标区域的空间信息的时候,也获得了来自光谱域的信息。真正做到了空间信息与光谱信息的融合。与多光谱相比较,高光谱遥感技术在挖掘目标对象的信息丰度方面有了很大的提高。因此高光谱技术为遥感图像处理进行更为合理、高效的分析提供了可能。高光谱技术的一个主要应用是高光谱图像分类。之前一段时间高光谱图像分类主要依靠谱域的信息来进行分类,但这损失了图像域,也就是空间域上图形大小及结构等信息。最近的文献表明,高光谱图像的分类关注于空域信息和谱域信息的特征结合,称为空谱联合分类。本文对基于空谱联合的高光谱图像分类方法进行了系统的研究,所取得的主要研究成果为:1.探究了一些现存的基于空谱联合的高光谱图像分类算法,做了仿真实验。并稍作改进,利用决策融合结合已存在的方法得到了新的分类结果。实验结果表明基于空谱联合的方法确实能有效地提高高光谱图像分类的结果,不仅仅是分类精度上,还是分类结果图的视觉表现上。还可以看出,改进的方法能进一步优化分类结果,提升分类精度。2.提出了一个基于分层概率模型的空谱联合高光谱图像分类算法。分层概率模型是一个来自于计算机视觉领域的数学模型。他能学习并构造特征中的结构信息。本文将其引入并提出了一个全新的空谱联合的基于分层概率模型的高光谱图像分类算法,并在高光谱图像上做了分类实验,取得了不错的效果。3.提出了一个基于3维形态学轮廓的空谱联合高光谱图像分类算法。基于现存的2维形态学处理,本文根据高光谱图像的3维数据特性提出3维的形态学处理,构造3维形态学轮廓用于高光谱图像的特征提取。不同于传统的2维形态学处理在一个图像面上提取空间信息,提出的新方法考虑到了高光谱图像的3维数据特性,并提取其3维空谱特征。我们将提出的新方法与几个现存方法做了实验对比。通过3个高光谱图像的分类结果,证实所提出的新方法确实可行。