基于云模型的高光譜遙感圖像的分類研究.pdf

《基于云模型的高光譜遙感圖像的分類研究.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、旦經(jīng)驗童逾日儀器儀表用戶doi：10．3969／j．issn．1671—1041．2011．01．017基于云模型的高光譜遙感圖像的分類研究李萬臣，郭逢麗。劉海亮(哈爾濱工程大學(xué)信息與通信工程學(xué)院，哈爾濱150001)摘要：現(xiàn)有的分類方法沒有考慮或者沒有徹底考慮高光譜遙感圖像數(shù)據(jù)的不確定性，因此提出了一種基于云模型的高光譜遙感圖像分類方法。云分類時，首先根據(jù)訓(xùn)練樣本集，由逆向云發(fā)生器生成每類地物的多維云模型，然后利用x條件云發(fā)生器計算出各測試像素對每類地物的隸屬度，最終采用極大判定法實(shí)現(xiàn)對每個測試樣本的分類。仿真結(jié)果表明，該方法簡單、計算量

2、小，可以取得高于傳統(tǒng)方法的分類精度，具有很好的發(fā)展前景。關(guān)鍵詞：高光譜遙感圖像；不確定性；逆向云發(fā)生器；X條件云發(fā)生器；極大判定法中圖分類號：TIy753文獻(xiàn)標(biāo)志碼：BClassificationofhyperspectralremotesensingimagebasedonthecloudmodelsLIWan—chen，GUOFeng—li，LIUHal—liang(InformationandCommunicationDepartment，HarbinEngineeringUniversity，Harbin150001，China)A

3、bstract：Theexistingmethodsofclassificationdidn’tconsiderorthoroughlyconsidertheuncertaintyofthehyperspec-tralremotesensingimagedata．Thereforeproposeaclassificationofhyperspectralremotesensingimagebasedonthecloudmodels．Firstly，giventhetrainingsamples，producethemultidimensio

4、nalcloudmodelsofeachclusterbyback—wardcloudgenerator．Secondly，computethecertaintydegreeofeachtestpixelusingXconditioncloudgenerator，Atlast．determinewhichclustereachtestpixelbelongstowiththema)(imumlikelihoodprinciple．Simulationresultsshowthatthismethodhasthecharacteristics

5、ofsimpler，lesscalculation．Itcangethigheraccuracythantraditionalalgorithms．Inaword，thismethodhasabrightfuture．Keywords：hyperspectralremotesensingimage；uncertainty；backwardcloudgenerator；Xconditioncloudgenerator；enormousdeterminationprincipleO引言數(shù)值；概念的定義、定理的描述以及定理的證明等數(shù)現(xiàn)有的高光譜遙

6、感圖像分類算法中研究的熱點(diǎn)學(xué)思維環(huán)節(jié)也不再有絲毫的模糊性了?？傊?，現(xiàn)有的有高斯最大似然分類、決策樹分類、神經(jīng)網(wǎng)絡(luò)分類以各種分類方法在分類過程中都把概念人為明確化了，違背了遙感數(shù)據(jù)的不確定性這種本質(zhì)特征卜?；爸С窒蛄繖C(jī)分類等算法。他們基本可以分為確定型方法與隨機(jī)型方法兩大類。高光譜遙感圖像數(shù)據(jù)于此，提出了基于云模型的高光譜遙感圖像的分類方法。的本質(zhì)特征是不確定性。確定型分類方法中有常見的K均值分類方法，該算法是根據(jù)待分類像素灰度l云模型值與各個類別中心灰度值的距離進(jìn)行分類。實(shí)際中云是用語言值表示的某個定性概念與其定量表某些像素屬于可能屬于A

7、類，但受干擾后得到的灰示之間的不確定轉(zhuǎn)換模型，它主要反映宇宙中事物或度值卻離B類近，使得像素數(shù)據(jù)具有不確定性，但是人類認(rèn)知中概念的兩種不確定性：模糊性(邊界的亦K均值分類不會考慮這些不確定性，而是根據(jù)計算得此亦比性)和隨機(jī)性(發(fā)生的概率)。正態(tài)云模型是到的距離值硬性的對像素進(jìn)行類別劃分，這種情況下基本的云模型，本研究中用到的云都是正態(tài)云。從正K均值分類的可靠性就為零。隨機(jī)型的分類方法有態(tài)云的極端情況可以看出確定性是不確定性的特例，模糊K均值聚類方法和最大似然分類法。這類算法所以正態(tài)云是表征語言原子最重要、最有力的工具，根據(jù)像素屬于各個類別的

8、概率大小進(jìn)行分類，考慮到較其他模型，更符合人類對事物的認(rèn)知。了像素屬于其他類的概率。但是這類算法也有缺點(diǎn)，高光譜圖像的光譜特征空問的多維決定每類地即隸屬函數(shù)一旦通過人為假定，隸屬