(摄影测量与遥感专业论文)支撑向量机在光谱遥感影像分类中的若干问题研究.pdf_第1页
(摄影测量与遥感专业论文)支撑向量机在光谱遥感影像分类中的若干问题研究.pdf_第2页
(摄影测量与遥感专业论文)支撑向量机在光谱遥感影像分类中的若干问题研究.pdf_第3页
(摄影测量与遥感专业论文)支撑向量机在光谱遥感影像分类中的若干问题研究.pdf_第4页
(摄影测量与遥感专业论文)支撑向量机在光谱遥感影像分类中的若干问题研究.pdf_第5页
已阅读5页,还剩123页未读, 继续免费阅读

(摄影测量与遥感专业论文)支撑向量机在光谱遥感影像分类中的若干问题研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

摘要 光潞遥感攘术已黢成为人们获敬撼球袋褥倦患髓一种燕要的手段之一,发撵整越采越广泛 的社会效髓。隧羲巍游避感技求朝蛰“兰蕊”( 窬意蛹势辨黎、藏光潜分辨攀、嵩时糟势辨率) 和“三多”( 多搀惑器、多平台、多角度) 遮猛发展,入靠j 褥获取越来越庞犬的巍滋避感数据e 然嚣蘸藏遥感傣息麴摄取翻拳j 阚承擎夫大滞悉予避撩接术躺发展,闲赋研究鞭戆璎论积方法提 高遥慧储惑的擒激水平鼹秦十势熏黉盼辩义。 分裳娥入们菝取倍息的一种重要鹩警蔽。传辘盼势炎搿法蘧戳缀黢风险鼹小张为翔鳓艨娜, 鼹寄鲞训练样零数趋于滗夯时,其性溉才麓遮剿璎浚上魏最仇。然荫谯糍谱遥感影像分粪巾诩 绦样本钱谯戆霄鼹靛。强襻本誉怒瓣,绩绕的努豢蠢法镬镣不能逡粥壤想翁分类赣嶷,凭英焱 耐离光谱彩像龅分爽中。样本不足的阍簸更为突啦,容易霉毁严鬟的h u g h e s 现象。统计学习理 论繁一次系凌她研究丁程样本脊龋的情况下的枫嚣学掰月鼷,掇出了一种能够根掇样本数餐触 多少仓骥蟪藏截分爨嚣媳捺广熊杰的一辩攘溅选取艨鲻缡翰戴陵聚枣纯瓢赠;支撑爨鬟辍 ( s v m s ) 是在该璎谂糕絮下产生静一种潦糟学习方法。本文将s v m s 掰于毙漤遥感分癸,黪蘸 了细下几方霹帮辐蚀靼朗新撼的研麓工撵; 系统蟪惑臻了现露躺三蹙主簧的簸餐分类蠢浃,薄运掰统计学习领域鹃蠼论成爨深入癸析 了分类器鹣攘r ”能鸯冀谢绦精度昶蠛鍪嵇计耩度之润静荚系,模裁簸杂寝、褥馥续鼗辎训 练样本黢鹣鞴甄荚悉鞍量嚣对诫撩麟褒鞭傣计耩发瓣澎晌方式,以及如俺德取逶警瓣分类 横型; 避过多溅落靳巅汽谱遥感影缘麴分类窑验,将s v & b 姆壤蠹豹几种代袭牲的势类方法避籽 了鼯玩。这黪方法躐镪括疑嚣露鹣撩,l 、躐藏法( m i | d ) i s ) 、马菠躐离法( m a h d i s ) 秘鼹大钕 然法( m a x l i k e ) ,墩彀耩耨邂擞趣的巍谬角度制霸法( s a m ) 、留一游方菱健计蹬天儆然 法( l o o c ) 和张辩蒸槽经网络( p d f n n ) 。安疆络聚瀵骥:s v m s 灼分类糍力般两裔强 s a m 、m i n d i s 、m a h d i s 、m a x l i k e 鹈l o o c ;s v m s 弼戳裔散溉克服样本不怒辨带激斡 h u g h e s 现露;整体蕊蛮s v m s 的渊缘遴壤静分类遮魔辫捷予r b f n n ,避s v m s 豹分类麟 凄辩参数选敷的敏媾弦痰撩t - r b f n n ,囡霓受嚣予缱触。 通过麓瑷裔雾娄支撑离爨概爨法鳓系撬键总结铃辑,靛琉壤次型炎撵鹞懿桃( h - s v m s ) 磷 强安现榍瓣海效嬲多类势装。由予避一步憋分辑教观现存的黉潮碍分靛疫爨方法谯壤f “鲻 嚣线蠖映射簌黪商绻羧空越时存霞一定扇醚醺,麟鲍本文缡合s v m s 鞠r b f 搜瞒数懿褥点 提 量 了一辩在r b f 梭祷饺空阚申艘麓娄朔可分憾的方法,荠龟其慧 瀣土捉激了两稚屡次獬 雾蹙盎撑囱辩祝;二必檄囊撵薪避钒b t s v m s ) 羊| l 攀层聚粪袁撑痨鬣祝( s l cs v m s ) 。 运两种万法游鏊本膘想避使类层次缎翰中越上鼷的予粪乏闽敬游铤空海的瓣分性越强,逡 糕方蕊珂戳懋链减少盘土麓f 船谈麓豢穰,援麓熬拣分黉耩发;鬓穷蕊,可辍使上鳞 的s v m 分黉嚣中的支撑向黧尽搿辘少,飙麟撬离分类涎度。燕骏证e 鞠了本文撼出鹣r b f 梭将饿窑阐中类润磷分健静发鲑方漩辩l 榴廊的磷种艨玖! l ! 多类支襻两凝槐露法韵念璎蠛翔 静效绺。 谯憨结了域霄躺萼拳被逡敬舅涟鼹蒸溅,j 二,辫獯势轿誊l 对蜓了遮t 特缓删除渡( r f e ) 帮蜘 别幽数剪裁分析法( d f p a ) 。实验表明r f e 和d f p a 的波段选取速度较慢,制约了它们在 高光谱遥感影像波段选取中的实用性。根据高光谱影像波段问相关性强的特点,本文提出 了一种基于波段问相关性的波段过滤方法,这种方法实现速度快,可以有效地删除相关强 的波段。作为一种波段预选方法,实验证明相关性过滤法优= r 常用的等间隔采样法。本文 还将相关性过滤法与r f e 和d f p a 组合成一。种混合型波段选取方法。实验证明这种方法可 以明显减少波段选取阶段所需时间,并在基本不损失分类精度的前提下人火提高分类速度。 从整体时问而言“相关性过滤法+ s l cs v m s ”和“相关性过滤法+ r f e + s l c s v m s ” 是两种可取的快速高光谱分类方案。 不完全监督分类是近年提出的一种新的分类类型,它介于监督分类和非监督分类之间。在 不完全监督分类中,为了提取某个目标类,只需要给出目标类的训练样本即可。而在许多 遥感影像分类问题中,人们往往只关心某种( 某几种) 类别,此时如果采用不完全监督分 类法,可以节省大量样本选取的工作具有非常重要的实用价值。本文提出了一种基于加 权无标识样本支撑向量机,并在其基础上提出了一种不完全监督分类的方法。该方法通过 选取无标识样本间接地利用了非目标类的信息将不完全分类问题( 单类分类问题) 转化 为两类分类问题,既具有s v m 分类能力,又有效地克服了已有的1 - s v m 算法对核参数取 值的敏感性。 关键词:多光谱遥感;高光谱遥感:支撑向量机;波段选取:多类分类;监督分类; 不完全监督分类 a b s t r a c t a so n em a j o rt e c h n i q u ef o rp e o p l et oo b s e r v ei n f o r m a t i o no ft h es u r f a c eo f t h ee a r t h ,s p e c t r a l r e m o t es e n s i n gh a sb e c o m em o r ea n dm o r ei m p o r t a n t f o ro u rl i v e sa n do u rs o c i a l - w i t ht h et e n d e n c i e s o f “3 - h i g h ”( h i g hs p a t i a lr e s o l u t i o n ,h i g hs p e c t r a l r e s o l u t i o na n dh i g hf r e q u e n c yr e s o l u t i o n ) a n d “3 - m u l t i ”( m u l t i - s e n s o gm u l t i - f i a ta n dm u l t i a n g l e ) ,s p e c t r a lr e m o t es e n s i n gi sp r o v i d i n gm o r ea n d m o r ed a t a u n f o r t u n a t e l y , o u ra b i l i t yf o ra b s t r a c t i n gi n f o r m a t i o nf r o ms p e c t r a lr e m o t es e n s i n gi m a g e s s t i l ll a r g e l yl a g sb e h i n dt e c h n i c a ld e v e l o p m e n t s t h e r e f o r e ,i ti sc o n s i d e r a b l es i g n i f i c a n tt oi m p r o v et h e a b i l i t yb ys t u d y i n gn e wt h e o r i e sa n dm e t h o d s c l a s s i f i c a t i o ni so n eo ft h em e t h o d sf o rp e o p l et oa n a l y s i si n f o r m a t i o na n dt oo b t a i nk n o w l e d g e t r a d i t i o n a lc l a s s i f i c a t i o nm e t h o d sa r eb a s e do n e m p i r i c a lr i s km i n i m i z a t i o ni n d u c t i v ep r i n c i p l e , w h i c h w i l l l e a d o p t i m a la c c u r a c yo n l yw h e ni n f i n i t et r a i n i n gs a m p l e sp r o v i d e d w i t hl i m i t e dt r a i n i n g s a m p l e s ,t h ea c c u r a c yo f t r a d i t i o n a lc l a s s i f i c a t i o nm e t h o d si s a l w a y su n s a t i s f a c t o r y t h ep r o b l e mi s e v e nw o r s ei nt h ec l a s s i f i c a t i o no fh y p e r - s p e c t r a lr e m o t es e n s i n gi m a g eb e c a u s eo ft h e “h u g h e s p h e n o l s t a t i s t i c a ll e a r n i n gt h e o r y ( s l t ) ,t h ef i r s t t h e o r yt h a ts y s t e m a t i c a l l ys t u d i e st h e p r o b l e m o f m a e h i n e l e a r n i n gw i t hs m a l ls i z es a m p l e ,p r e s e n t s an e wi n d u c t i v ep r i n c i p l e ,s t r u c t u r a lr i s k m i n i m i z a t i o n ( s r m ) p r i n c i p l e w h i c ht e l lu sh o wt os e l e c t i o ns u i t a b l ec l a s s i f i c a t i o nm o d e la c c o r d i n g t os a m p l ea m o u n ts 。a st oo b t a i nh i g hg e n e r a l i z a t i o na b i l i t y s u p p o r tv e c t o rm a c h i n e ( s v m ) i s an e w g e n e r a lm a c h i n el e a r n i n gm e t h o db a s e do ns r m ,i nt h i sp a p e r , s v m sa r ea p p l i e di nc l a s s i f i c a t i o no f s p e c t r a lr e m o t es e n s i n gi m a g e r y t h em a j o rw o r k sa n dc o n t r i b u t i o n so f t h i sp a p e ra r ea sf o l l o w s t h r e em a j o rk i n d so fs u p e r v i s e dc l a s s i f i c a t i o nm e t h o d sa r e s y s t e m a t i c a l l ys u m m a r i z e da n d a n a l y z e dw i t ht h e o r yr e s u l t sf r o ms t a t i s t i c a ll e a r n i n gf i e l df r o mf o l l o w i n ga s p e c t s :t h er e l a t i o n s h i p a m o n gt r a i n i n ga c c u r a c y ,e s t i m a t i o na c c u r a c yo fl e a r n i n gm o d e la n dg e n e r a la b i l i t yo f c l a s s i f i e r ; t h ei n t e r a c t i o na m o n gc o m p l e x i t yo fl e a r n i n gm o d e l 。d i m e n s i o no ff e a t u r ev e c t o ra n ds a m p l e a m o u n t ;t h ew a yi nw h i c ht h e s ef a c t o r se f f e c tt r a i n i n ga c c u r a c ya n dt e s t i n g a c c u r a c y ;m o d e l s e l e c t i o nm e l h o d s v m sa r e c o m p a r e d w i t hs o m e t y p i c a l c l a s s i f i c a t i o nm e t h o d s b y s e v e r a lc l a s s i f i c a t i o n e x p e r i m e n t sw i t hm u l t i h y p e r s p e c t r a lr e m o t es e n s i n gi m a g e s t h e s e t y p i c a lc l a s s i f i c a t i o nm e t h o d s i n c l u d en o t o n l yc l a s s i c a lm 痰h o d s 一一m i n i 琳u 疆d i s t a n c e ( m i n d i s ) , m a h a l a n o b i sd i s t a n c e ( m a h d i s ) a n dm a x i m u ml i k e l i h o o d s ( m a x l i k e ) ,b u ta l s om o s tm o d e mm e t h o d s s p e c t r a la n g l em a p p i n g ( s a m ) l o o ca n dr a d i ob a s e df u n c t i o nn e u r a ln e t w o r k ( r b f n n ) f o l l o w i n gc o n c l u s i o n sc b ed r a w nf r o me x p e r i m e n t a lr e s u l t s 。f i r s t ,g e n e r a l l ys p e a k i n g , s v m s a r em o r ep o w e rt h a nm i n d i s ,m a h d i s ,m a x l i k e ,s a ma n d l o o c s e c o n d ,s v m sc a na v o dl h e h u g h e sp h e n o m e n o n ;t h i r d ,s v m s a r eg e n e r a l l yf a s t e rt h a nr b f n ni nb o t ht r a i n i n gs t a g ea n d c l a s s i f i c a t i o ns t a g e a n dt h ec l a s s i f i c a t i o na c c u r a c i e so fs v m sa r el e s ss e n s i t i v et op a r a m e t e r s e l e c t i o nt h a nr b f n n t h u ss v m sa m o r ec o n v e n i e n tt h a nr b f n n + t h r o u g hs y s t e m a t i c a l l ya n a l y s i s e so f e x i s t i n gm u l t i - c l a s ss v i v i s ( m - s v m s ) m e t h o d s 。i ti ss h o w n t h a th i e r a r c h ym u l t i c l a s ss v m s ( h s v m s ) c a bb er e l a t i v e l ye f f e c t i v e f u t h e ra n a l y s i ss h o w nt h a t e x i s t i n gm e t h o d st h a tm e a s u r es e p a r a b i l l t yb e t w e e nd i f f e r e n tc l a s s e sa r en o ts u i t a b l ef o rk e m e t f e a t u r es p a c e an e wm e t h o di sp r e s e n t e d 如rs e p a r a b i l i t ym e a s u r ei nf e a t u r es p a c eb a s e do nt h e c h a r a c t e r so fr b fk e r n e lf u n o t i o na n ds v m s b a s e do nt h en e w s e p a r a b i l i t ym e a s u r e ,t w ok i n d s o f h s v m s , b i n a r yt r e es v m s ( b ts v m s ) a n ds i n g l el a y e rc l u s t e r i n gs v m s ( s l cs v m s ) , a r ep r e s e n t e d 。t h e ya r eb o t hi m p l e m e n t s o f f o l l o w i n g i d e a l :t h eh i g h e rap a i ro f t w os u b - c l a s s e si s i nt h eh i e r a r e 畋t h ee a s i e rt o s e p a r a t et h e m ,i nt h i sw a y , w ec 撒n o to n l ya c h i e v eh i g h e r c l a s s i f i c a t i o n a c c u r a c yb ya l l e v i a t e e r r o ra c c u m u l a t i o nf r o m t o pt ob o t t o m ,b u ta l s or i s e c l a s s i f i c a t i o n s p e e db yr e d u c es u p p o r tv e c t o r si nc l a s s i f i e r e x p e r i m e n t a l r e s u l t sj u s t i f yt h e r a t i o n a l i t yo f t h en e ws e p a r a b i l i t ym e f l 2 u r ea n de f f e c t i v e n e s so f b ts v m s a n ds l cs v m s 。 a f t e rs u m m a r i z a t i o no f e x i s t i n gf e a t u r es e l e c t i o nm e t h o d s r e e u r s i v ef e a t u r ee l i m i r a l t e ( r f e ) a n dd i s c r i m i n a t ef u n c t i o np r u n ea n a l y s i s ( d f p a ) 挑翮划渊a n dt e s t e d 。e x p e r i m e n t a l r e s u l t ss h o wt h a tt h e i r 删sa t el o w t h u st h e y 戤n o ts u i t a b l ef o rh y m - s p e e t r a tr e m o t e s e n s i n gd a t a i nt h i sp a p e r , ac o r r e l a t i o nf i l t e rm e h h o di sp r e s e n t e db a s e do i lt h ef a c tt h a t c o r r e l a t i o n sa t e h i 曲h a t w e e nn e i g h b o r i n gb a n d s 蜡h y p e r - s p e e t r a ld a t a t h es 脚龇 c o r r e l a t i o nf i l t e rm e t h o di sh i g h , w h i c hc a r te f f e c t i v e l ye l i m i n a t et h o s eb a n d s , w h i c h 黼黼醴瓣 c o r r e l a t e dw i t ho t h e rb a n d & r e s u l t sf r o ms e v e r a le x p e r i m e n t sd e m o n s t r a t et h a t , a p r e p r o e e s s m e t h o d s , t h ec o r r e l a t i o nf i l t e rm e t h o da r cm o r ee f f e c t i v et h a ne q u a li n t e r v a lr e s a m p l em e t l u 瞧 w h i c hi sc o m m o n l yu s e d i nt h i sp a p e r , t h ec o r r e l a t i o nt i b e rm e t h o di sc o m b i n e dw i t hr e f o r d f p aa n dr e s u l t s8 h y b r i df e a t u r es e l e c t i o nm e t h o d ,w h i c h c a l ls p e e d u p n o to n l yb a n d s s e l e c t i o n , b u ta l s oc l a s s i f i c a t i o nw i t h o u t d e g r a d i n ga c c u r a c y i nt h es e n s i n go f t o t a ls p e e d , c o r r e l a t i o nf i l t e r 牛s l cs v m s ”a n d “c o r r e l a t i o nf i l t e r + r f e + s l cs v m s ”a r et w os c h e m e ss u i t a b l ef o r h y p e p s p e e t r a lr e m o t es e n s i n gi m a g e 搿c l a s s i f i c a t i o n 。 p a r t i a l l ys u p e r v i s e dc l a s s i f i c a t i o n an e wt y p eo f c l a s s i f i c a t i o nt h a tw a sp u tf o r w a r dr e c e n t l y , h a s t h ec h a r a c t e ro fb o t h s u p e r v i s e d a n d u n s u p e r v i s e dc l a s s i f i c a t i o n i n p a r t i a l l y s u p e r v i s e d c l a s s i f i c a t i o n 。o n l yt r a i n i n gs a m p l e so fo b j e c t i v ec l a s sh a v et o 酶p r o v i d e di no r d e rt oe x t r a c t o b j e c t i v es a m p l e s 。a c t u a l l y , i nm a n yr e m o t es e n s i n gc l a s s i f i c a t i o n s ,p e o p l ea r eo n l yi n t e r e s t e di n o n e ( o raf e w ) c l a s s ( e s ) + i nt h e s ec a s e s , i fp a r t i a l l ys u p e r v i s e dc l a s s i f i c a t i o nm e t h o di su s e d ,i ti s n o tn e c e s s a r yt os e l e c te x h a u s t i v es a m p l e sa n dl a r g et i m ea n dm a l lp o w e rc a nb es a v e d t h u s p a r t i a l l ys u p e r v i s e dc l a s s i f i c a t i o ni sv e r ys i g n i f i c a n t i nt h i sp a p e r , w e i g h t e d 黼l i b e l 礴s a m p l e s v m s ( w u ss v m s ) a r ep r o p o s e d b a s e d o nw u ss v m s 。an 日w p a r t i a l l ys u p e r v i s e d c l a s s i f i c a t i o ni sd e v e l o p e d t h i sm e t h o di n d i r e c t l yu s e st h ei n f o r m a t i o no fn o n - o b j e c t i v ec l a s s e s b yr a n d o m l ys e l e c t i n gu n l a b e l e ds a m p l e sa n dt r a n s f o r m st h ep a r t i a l l ys u p e r v i s e dc l a s s i f i c a t i o n p r o b l e m t ot w o * c l a s s s u p e r v i s e d c l a s s i f i c a t i o n p r o b l e m ,t h e n e w p a r t i a l l ys u p e r v i s e d c l a s s i f i c a t i o nm e t h o dn o to n l yr e s e l w e st h ea b i l i t yo fs v m s ,b u ta l s oh a sl e s ss e n s i t i v i t yt o p a r a m a t e r s e l e c t i o nt h a ne x i s t i n go n e - c l a s ss v m s 。 k e yw o r d s :m u l t i - s p e c t r a l r e m o t e s e n s i n g ;h y p e r - s p e c t r a l r e m o t e s e n s i n g ;s u p p o r t v e c t o r m a c h i n e s ;b a n ds e l e c t i o n ;m u l t i c l a s s e s c l a s s i f i c a t i o n ;s u p e r v i s e dc l a s s i f i c a t i o n ;p a r t i a l l y s u p e r v i s e dc l a s s i f i c a t i o n 郑熬声鹱 本人数学位论文是旌! 嚣炳据导下独立撰写并完成豹,学经论文没寿剽窃、抄袭、 造缓等德笈学术遂德、擎零趣范秘 曼投牙荛,本天愿意承搂爨熊瓣产生鹣渡黪赛整 和法律后果,特此郑蘑声明。 学位论文作者( 签名) :毒1 塞阁- o 峰鼙0 月 k 翻 第一章绪论 1 嘻研究背景和意义 遥感俸为一种非接触式的观测技术囊经典有非常悠久的历史。织近代遥感起源予上个世纪 6 0 年代,经过矮短不足半个世纪的发麟已经迅速成为- j - - - f j 建立在空阕、物理、电予计算枕、 她学和信患搴毒学等多学萋垂基础上的凝必黔综性辩学技术。由于遥感提供鲍数据其露对实性舞、 疆盏范潮广、辖惑丰富客蕊等援点,鑫经被广泛她遮孀予藏裁焉、资源勘探、生褰殍境蓝测、 农作橱恼产,以及大气海洋等等诸多领域,对社会经济的发展发挥着越来超重要的徉用。 _ j 5 落遥感楚接收撼袭物震波谱反射髅息的一种被霸式遥感技术+ 1 9 7 2 车荑蓉发射了第一颓 堍球资源艘术_ 鼍麓( e r t s 1 ) ( 后更名为l a n d s a t - 1 ) 所携带鹊就是多光谱扫描役( m s s ) ,这是 嚣变戳寒籀一令星载巍瀵籀接纹,搽悫蛰整个对琏遥感残溅拜砉鼗熬舞戆羚u p t a1 9 9 1 1 。露辩m s s 仅有4 个波段、空间分辨率仅8 0 m 、遮杼周期约1 6 天。3 2 年螽豹今涎,光谱遥感投术在空间势 辫率、孵捐分辨率和溅落分辨举三个方蕊都有了突飞猛进的发展。 在1 9 7 2 年之怎,美嗣褶缝发射了一系列的陆地卫震。2 0 嫩纪8 0 冬代拐投入使掰黔专联铡 隧仅( t m ) 奎闻分辨攀躲筹6 令波段舞1 2 0 m 强。其余搀海3 0 m 。t 9 9 9 零4 月发射舞空驰l a n d s a t - 7 掰搭载瓣增强蘩专题锻鬻纹( e 下m + ) ,垒色渡段空黼分瓣率这t 5 m 。法禹发射的s p o t 系列歪 星所褡载孵蘸分辨率几啊装置( h r g ) 昀窳间分辨奉出鬣裙的2 0 m ,靛展到今天酌5 m 。1 9 9 9 年9 砖,美掰澎谱成像公司殷瓣靛,l 、卫璧上载有鹩| k o n o s 传感器,空黼势辨攀离达l m 。2 0 0 1 年, 美国发射的q u i c k b i r d 量掇,其垒色波段瓣分辨率可达0 6 1 m 。另辨逶媾影像的时相分辨率也眷 缀太捷琏。n o a a 气象黧蓬瓣a v h r r 蘩复鼹瓣壤羯仪1 必。m o d i s 每天掰器连续掇撰恁球上 程簿地方的白天葳射豳像和自天,昼夜鳓发射巍潜鳆缳。随着小卫星群计划酌实现影像的时相分 辨率将避一步提菇。 2 0 世纪8 0 年代遥感技术的最大成簸之整藏光 善遥感技术的菇超f 郯兰芬1 9 9 2 。高光谱 遥感( h y p e r s p e c t r a lr e m o t es e n s i n g ) 楚一种菝取感兴趣缝貔客缎多缀窜的窀磁波段鹩辍瓣数据 豹方法,葵基戳怒潮谱学( s p e c t r o s c o p y ) 【游瑞蘸2 0 0 0 。测谱学在2 0 世纪帮被蠲,鞭捌分子 粕原子歉其结构 s k o o g1 9 9 8 。2 0 世纪8 0 年代开始建立成像光谱学( i m a g i n gs p e c t r o s c o p y ) 。它 是一种谯电磁渡谱盼紫静、对鬼光、避黩静鞠中红外隧域,获墩许多嚣零窄( 阪魏剡剐蠡数法鬻甏瓣谈嚣个游鬏:遵择蘧数粲鞠指定难躺黼数。 拿 最简单的候选硒数类集为线性函数: f ( x ,妒) = 啦薯+ k ( 2 一1 7 ) t 这擞函数虽然计算简单,性能稳定。但拟合能力脊限。在很多的分类问题中不同的特征之间存 在非线性的关系,此时须用非线性判别函数集。一种常用的办法魁将函数形式定义为: 歹b ,舻= 磁昏,( 葛最) + ( 2 1 8 ) i - ! 其中龟含m 个基函数啦,0 。为第i 个基函数的参数。可以看出,( 2 - 1 8 ) 实质上是邋过基函数先 将输入向量映射到撼个豹特征空阕,然蓐在其中穗造线性判掰嚣;霆照如彝选择基丞熬是荚 键。簸直接的方法怒棱据兵俸阎聪明确绝绘定蒸函数,如二次雾颁式菇数、经商基函数。神缀 网络分类法则通过鼹观的网络结构米定义内在的摅函数。决策树分类法采用的魁逐步拟合的策 略。本文所研究的支撑向量机则是通过核函数“隐性”地定义基旗数的形式。 2 3 分类器的推广能力 我弱一般蒋分类霸数形象缝称为“分类器”,称势类器鞋巅蘸榉零豹势类藏瘦羚“调练耩痉”, 它取决于训练误差 丽= 击缸脚( x i ) ) t 川, 的大小t 其中( x ,弘 t ( 2 - 6 ) 。分类器的训练精度一般比较高但是这并不一定意噱该分粪 器对黧它未知样本的分类也能达到同样的分类精魔。一个分类器能够在多大程殿上将其训练精 度推广到对来知样衣鞠分类中是评价分类器优劣的真实标准。a f 】姆分类器对拳知样本分类的 乎鹭壤瘦形象建穆梵该分类器瓣“攘j 熊力”,它载决予乎埠嚣试镤差 e r r = e l ( y ,y ( x ) ) j ( 2 2 0 ) 豹太小,其中x 承 y 掇据两者的联仓分毒随投产生的数据集 接近零,健楚这著不意味着冀测试谈羞( 2 “2 0 ) 也接近零。事实上,在谢练样本 有戳的情况下,如粱分类攘裂过予复杂,测试误差可能明恩离于训练误差,这种现象称为“过 学嚣问题” 如翻2 。4 q ) 。此时分搂器不魁描述类别问的判别规镎,而只是将所脊训练样本的类 爨强行“记往”y 。籀葳,魏鬃分类攘塑避予簿擎,敛至于不糍敬足够幻精度游堋练群本分开, 遮时所释别盼分娄器的测试精度蒋嗣样不理想,这种现象称之为“欠学习问题”( 如豳24 。c ) 。 出现上述两种域象的溅魏在予分类嚣的推,“能力不仅数决于训练精度+ 丽鼠逐受分类模型 中参数估秘前艘的影蛹。参数馈计的精度说明了分类器静可靠技,如果髂计精魔不离,鄹便堋 练鞲凌缀菇,也不熊簿舞璞想的推广能力。 分类模型参数的估计精度取决于两个因素:训练样本的数鬣葶f 1 分类模型自身的复杂度;模 型的菇活度和铸估计参数的数璺。一般来说。堋练样本越多。估计的精度越高:而分类模型越 复杂,需要的训练样本越多,鞠此在榉零育跟豹情况下,德计的鞲凌越骶。 黼2 3 。各种因素对势樊耩擢广能力的影响 f a l 过学习 b 模型复杂度与训练样本数 ( b ) 适度学习( c ) 欠学习 图2 4 - t :l n 学习程度示例 在不同的分类方法中,模型复杂度的表现各不相同。卜| 面分析不同分类方法中,模型复杂 度与未知参数数量之间的关系以及不同分类器控制模型灵活性的不同方法( 表2 1 ) 。 在贝叶斯判别法中,分类模型的估计精度与概率密度估计的估计精度直接相关。非参数概 率密度估计的两种代表性的方法是:p a r z e n 窗法和n 近邻法。显然窗口越小或者近邻数n 越少 这两种方法的灵活性越强,但是同时所需估计的参数越多。在参数估计法中通常采用的概率模 型为正态分布。单一的正态模型只适合于有限的相对简单的情况。当目标类的概率分布模型很 复杂,可以用多个正态模型构成的混合模型去拟合目标类的分布。但模型数越多所需估计的 未知参数越多。 在原型法中模型的复杂度直接与原型的数量有关。当每类只采用一个原型时,最终将得 到线性分类面。随着原型数量的增加,分类面将变得越来越复杂,但同时意味着原型定义中需 要估计更多的未知参数。 在判别函数法中,模型的复杂度就直接表现为候选函数集的灵活程度。显然线性函数的灵 活性小于非线性函数。神经网络是通过网络结构间接描述函数彤式,网络中的节点数和隐含层 数决定了判别函数的灵活程度,隐含层以及其中的节点越多,一般灵活性越强,但由于需要估 计每个节点的权重,因此未知参数也越多。在决策树是通过各层节点中相对简单的分类器的组 合来拟合复杂的分类面,总节点数越多的灵活性越强。 通过上述分析可以看出,虽然不同的分类方法调节分类模型复杂度的方式各不相同,在本 质上都是在规定可选模型种类的前提下通过控制未知参数的数量来选择具体的模型。对于具 体问题,分类模型的选择需要考虑两方面的因素:其一是类别间真实判别面本身的复杂程度: 其二是可以利用的训练样本数量。如果所采用的模型的复杂度不足以描述应有的分类面,则可 能出现欠学习的问题:但如果模型过于复杂在样本有限的情况f 则可能出现过学习问题,因 为模型越灵活通常待估计参数的数量越多,意味着要得到理想的估计精度所需的训练样本也越 多。因此必须权衡具体问题中训练样本数和分类难度,才能选择适当复杂的分类模型以达到理 想的分类精度。 在光谱遥感影像分类中,一方面由于地类复杂性,驱使我们采用更加复杂的模型;但另一- 方面训练样本的选取通常需要耗费人量人力物力,所以样本往往有限,使得我们不得不控制模 型的复杂性。冈此,在遥感影像分类中分类模型的复杂度与训练样本数之问的矛盾是一个核 2 0 蛔题。 表2 ,l + 夸秘分类算法串攒黧复杂瘦鲢键蓼方式 分类嚣黉擞攘激复杂嶷的调节方式 撒l 斯 非参数估计法选掸p a r 2 e n 窗大小、近邻数等。 鞭掰绞 参数体计洼 拣撵概率密度模罄;舞定蔼台攘怒巾黪搂型数。 琢型滤建义旅型;指定鲰黧的数量k 1 m , 线形划j ;l 函数法特镊选取或提取。 势j 蹦撼数法 非绫澎剡别函数法 鬻建黼数形式;逸撵耩蹑数类型;嫒浮瓣臻结榴。 穗筵辩分类法 选耩决策辫结梅彤悫;裁减凌蓉树。 c 特征维数与堋练样本数 影鸭分类揆蟹孛崇知参数数蹙一个黉囊接麓豳豢虢燕牵夺链内鲎的缎数,对于大多数援燮 来说,特诬囱鬣的维数越菇掰篱估计豹参数魄越多。围戴鲞溯练样本数定的情况下隧蓉 特征数的增嬲,一方面由于增强了不同类划闻的可分性,铷练中分类的耪艘将提高;舅一方筒, 模测中参数的俄计耪度将降低。当特征数较少时,前者的藏磷作用强于感者的负箍作粥,横熊 瓣攘广熊力将遮灏提赢t 毽蹩瓷特征超过一是数鬟时,菇蠢鹣作用将超避兹卷,模型的攒广辘 为将逐渐降低。i l t :h u g h e s 绦如了该现象的魏擎证n h u g h e s1 9 6 8 l ( 妞黼2 5 ) ,因此人 | ,】常 称之为“h u 鐾h e s 城象”。 擞羹鬟豪畿n ( 融馕慧羲) 嬲2 , 5h u g h e s 瑗缴f h u 曲e s1 9 6 8 】 不阉类型的分类模型对予特缝维数增热的敏感程度不鞠。秘如f u k 蝴箍g 瓣辩矬y e s 在1 9 8 9 褥裂 戳下结论;隧簿特缓数n 的增麓,为了缳持一定的分类精艘,最大叛然二敬分类嚣豹谢练样本数 n 毖频与n 2 成磁眈,丙f j s h e r 线檄分类器的谢练样本数n 只须与n 威正比。蹿熊警训练样本少、特 冀墅登妻篓爨二j 燮譬黧蔑二i 警篓耋篓箩骞,熊毂馕瓣慧数。对于一令_ = 二缝鹩特强离爱,辩袋每镶特髹褰1 0 譬妻霪妻器篓鐾鏊萋丧摹登差蓑袭痍袭i 蟹:妻量该结诧是对所有辩熊的磊耐军菇了i 器最高蘸军瓷藐翥鼗 笈杂发往往高予嚣中所给出的最挽德。越是总体热磐嫩籀硒i i 。 一喇4 蕊 椒_糕求群咿 镊绒数商时,线性分类器的攘广性能甚至脊露麓优于= 次分豢嚣。遽在本文衙瑚韵商光谱遥感 瓣豫分类孛簿魏了耱涎。 在多光谱遥感澎豫势类中,幽于波段数翥蔽,h u g h 碱蒙瓣负齑影蛹簿没霄显现如涞。键 怒谯离毙谱德懑影像分类夸,h u g h e s 瑷象戆受藤鼯确疆嚣笼蘧。瑟藏鲡秘程样本蠢羧翡皤蕊下 遮耩台逑的分类模粼域寄效地秘粥率寓的波谱蒋息,提麓势粪糙度熙尚光谱趱感影像分类中的 茭键阉露。 为了进一步了解分类模罄镝诗耩菠甜分类嚣浆撼广能力懿黟确方式,谢必簦程疆论上伥受 横懿阐述。“镳嫠- 方差分解”缀攀藏被建予

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论