基于组稀疏编码的高光谱图像空谱联合分类方法.pdf

代号 10701 学号 1011120761
分类号 TP753 密级公开

题(中、英文)目基于组稀疏编码的高光谱图像空谱联合分类方法
Spatial-Spectral Classification Based on Group Sparse
Coding for Hyperspectral Image

作者姓名翁鹏指导教师姓名、职务张向荣副教授
学科门类工学学科、专业电路与系统
提交论文日期二○一三年五月
西安电子科技大学
学位论文独创性(或创新性)声明
秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我
个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特
别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写
过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证
书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文
中做了明确的说明并表示了谢意。
申请学位论文与资料若有不实之处,本人承担一切的法律责任。

本人签名: 日期

西安电子科技大学
关于论文使用授权的说明
本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研
究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有
权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或
部分内容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,
毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大
学。

本人签名: 日期

导师签名: 日期
摘要
摘要
在过去的 30 年里,高光谱遥感技术取得了显著的进步,尤其是空间分辨率和
光谱分辨率的日益提高,极大地促进了高光谱遥感在许多领域的应用,如军事侦
察、环境监测、土地调查、精细农业。其中,高光谱图像分类是高光谱遥感最重
要的应用之一,是许多实际应用的基础。空间分辨率和光谱分辨率的不断提高,
一方面为分类提供了更多的区分信息,有利于对感兴趣地物的精细分类,另一方
面也给分类带来了巨大的挑战:高维小样本难题和局部空域变化问题。如何有效
地利用高光谱图像中包含的丰富的光谱信息和空间信息,提高高维小样本和局部
空域变化条件下的分类性能,是目前的研究热点之一。
本文针对传统的基于像素的高光谱图像分类方法仅仅利用光谱特征,而未能
充分利用嵌入在图像中的空间信息,以及现有的结合空间信息和光谱信息的高光
谱图像分类方法未能充分考虑高光谱图像中存在的空域变化的问题,研究了利用
组稀疏编码结合空间信息和光谱信息,以及处理空域变化问题。本论文的主要工
作如下:
1) 针对高光谱图像中存在的空域变化问题,提出了利用空域近邻和组稀疏编
码的空谱联合分类方法。其中,定义组为空域 NN× 窗口内的近邻像素,利用组
稀疏编码以组的方式对高光谱图像中的像素进行稀疏编码,从而获得对空域变化
鲁棒的数据表示,并将其用作输入特征,分类高光谱图像。实验结果表明,提出
的空谱联合分类模型可以有效地提高高维小样本和空域变化条件下的高光谱图像
分类性能。
2) 针对使用空域 NN× 窗口内的近邻像素作为组,不能很好地保持边缘信息
的问题,提出了基于图像过分割和组稀疏的空谱联合分类方法。其中,定义组为
过分割图像的分块,并在学习稀疏表示系数的同时学习字典以更好地拟合高光谱
数据的内在结构。实验结果表明,本方法可以进一步提高高光谱图像分类的准确
性和分类结果的区域一致性。
3) 受到核技巧可以捕获数据非线性的可分性的启发,通过扩展组稀疏编码算
法到核空间提出了核组稀疏编码算法,并将其引入到提出的两种空谱联合分类模
型中。实验结果表明,核策略的引入进一步提高了高光谱图像分类的准确度。
本文的工作得到了国家自然科学基金(61272282),陕西省自然科学基金
(2011JQ8020)和中央高校基础科研业务费(K50511020011)等项目的资助。

关键词:高光谱图像分类,空谱联合,组稀疏编码,核组稀疏编码
摘要
Abstract
Abstract
In the past 30 years, hyperspectral remote sensing technology has made a
significant progress, especially the increasing spatial and spectral resolution, which
greatly promotes its applications