一种基于空间连续性的高光谱图像分类方法

@ 3 : : 0 ? 0 3 7 0 8 53 @ 1 8 ! 0 7 >2 < 3 : 6 =8 5: 9 3 7 0 3 @ 8 5 7 0 5 ; 0 7 /? 8 !> / 9 6 ! : 9 6 7 ! 3 @0 23 1 6
! ! ! ! F X 8F T 0 : C G : 0 P98F T 0 , 8N O ) C D O , 7 P98FL 0 ) !N !DPX !N ; ; N PX 8F M , ) C H )! R8F Q 0 ) C T 0 !K ;
E! 利用空间信息的高光谱图像分类方法
传统的高光谱图像分类方法大多注重地物在光 谱维上的差异 ! 而忽视了它们空间维上的结构 ’ 在利
’( 用空间信息方法 ! 赵永超提 出的 \ G \ \ PH 算 法 # 已
收稿日期 ! 修回日期 ! ! ! ! $ $ "C$ !C! A$ ! $ $ "C= $C= $! !!!!!!!!!! " # " $ % " && ’ ( " ! $ $ ")$ !)! A$ * " % $ + " && ’ ( " ! $ $ ")= $)= $ 基金项目 ! 中科院遥感所知识创新课题资助项目 " # W $ ! $ $ = % 作者简介 ! 耿瑞修 " # ! 男! 河南封丘人 ! 博士研究生 ! 主要从事高光谱图像处理 , = ? @ @ )
训练区得到一个平 均 光 谱 ! 然后将每一类得到的平 均光谱跟 需 要 分 类 的 高 光 谱 图 像 一 一 比 较 其 相 似 性! 最终得到分类结果 ’ 这样的处理方法难免会造成 ) 麻点 * 现象 ! 即同 一 地 块 中 夹 杂 着 不 该 有 的 其 它 类 别! 从而造成分类效果下降 ! 该现象一般是由噪声和 地物分布在数据获 取 尺 度 上 的 不 均 一 性 所 引 起 的 ’ 由于所得到的高光 谱 图 像 一 般 都 是 含 有 噪 声 的 ! 该 噪声一般情况下可 近 似 为 白 噪 声 ’ 又因为原始图象 中每条光谱曲线可以认为是它的具有统计意义平均
万方数据
" $ $
红 外 与 毫 米 波 学 报
! "卷
经注意到了空间信 息 的 重 要 植 被 分 类 构 想 " ! 但需要借助于高地面
分辨率的航片来完成分类 ’ 一般情况下 ! 地物在空间 上都 是 连 续 分 布 的 ! 或者说如果某点处为 9 类地 那么在此点的领域上是 9 类地物的可能性最 物! 大! 这是一个非常重要的信息 ’ 利用好这个信息是本 文去除 $ 麻点 % 现象 & 提高分类精度的关键所在 ’ 本文 提出了一种先空间 领 域 自 动 聚 类 & 然后再分类的算 法! 得到了很好的分类效果 ’ 用 K 代 表 需 要 分 类 的 高 光 谱 数 据 立 方 体! 则 ! 处 的光谱 ’ )! K / /g=! !! /* C( C / C 表示在空间坐标 ’ ! ! )! ( ! 其中 & 分别表示需要分类 的 高光 g= ! 8 / 8 谱图象在空间维上的行 & 列数 ’ 我们引入一个 / 行 & 8 列的分块矩阵 \ 以及一 个分块阈值 $! 其中的元素 B ! / C( / C 表示在空间坐标 ’ 处K 用 !’ 表示两条光谱曲线光 E! )( / C 所属的块数 ’ 比如某 种距离( ! 当 !’ 谱 E 和) 的相似 程 度 ’ E! )( 则 把 E 和) 归为 E 和) 的相似程度比较 大 ! " $ 时! 同一块 * 反之 ! 当 !’ E! E 和) 的相似 程度 + )( $ 时! 比较小 ! 则 E 和) 属 于 不 同 的 块 ’ 具体的处理步骤 如下 + ( 令B ! 即原始高光谱图象第一行 ! 第一列 = = = g= 的像元属于第一类 ’ ( 如 果 !’ 则B 否 ! K= K=! "$! =! = C! C>= ( C>= gB C! 则! ’ )! B B "! H( ’ Cg!! =! = C>= g C b= ( 当Cg= 时 ! 令5g2 ! ’ 0 )’ !’ K K K " / =! / >=! =( / =! ( ( ! ’ ! ( ! 而 时 ! 则 * K !K 5 5 B B " / >=! ! / = K & = g / =g 5 = 否 $ 则B ’ 当 C1= 时 ! 令5g2 , a Bb=( ’ 0 )" !’ K / = g2 / C! ! ! ! K !’ K K !’ K K !’ K / >=! / / >=! / / >=! / C>= ( C! C( C! Cb= ( C! # ! ! 而5 则B 否 ! K !’ K K g 5 B " / / & =( / & =* C>= ( C! Cg $ 时! 则! )! ’ )! B , a’ B( b=’ "! H( ’ /g!! "! Cg!! / C g2
H(
( 求与矩阵B 中数值相同的块对应的数据立 # 方体 K 的 所 有 相 应 块 的 光 谱 平 均 值 ’ 例 如! 如果在 那么 K 矩阵 B 中 有 且 仅 有 B ! M’ / / / b=! C gB Cb= gB Cg 中相 应 位 置 的 信 应 改 变 为 K/ ! / / b=! Cb= g K Cg C gK
" ! ! M , ^ 7 + , < 7 + *G 2 7 < -\ ) 5 0 ) ) * 7 + 2 , < 0 7 )\ W 0 ) W ( ) 5 < 0 < : < -7 *G 2 7 < -\ ) 5 0 ) 1 0 W , < 0 7 ) 5 _7 ;( ;9 V V ! ! # D O 0 ) 5 -9 W , . 2 *\ W 0 ) W 5 L 0 0 ) = $ $ = $ = D O 0 ) , ! _7 e; $ ! 3 A + ( * ’ # ( L , 5 .7 )< O -5 , < 0 , 1W 7 ) < 0 ) : 0 < *; + 7 : ) .7 ^ W < 5 ,) ]W 1 , 5 5 0 * 0 W , < 0 7 ), 1 7 + 0 < O 2] , 5V + 7 7 5 .^ ] 7 V _7 e ; V _< ! !] ) , 2 1 1 7 W c 0 ) 2 , 5* 7 1 1 7 ] .^ : + < O +W 1 , 5 5 0 * 0 W , < 0 7 ) O 0 W O0 2 + 7 4 .< O -. 0 5 , . 4 , ) < , -7 *< O -; ) + , 1 5 < 5 _^ ;0 ; _* V ; V W 1 , 5 5 0 * 0 W , < 0 7 ), 1 7 + 0 < O 2 5W 7 ) 5 < + , 0 ) .^ ) 1 W < + , 1 0 ) * 7 + 2 , < 0 7 ) ’K O -) ], 1 7 + 0 < O 2V + 7 7 5 .0 )< O 0 55 < : . , 5 ; _7 _5 V ; V _] " # Z P ( 0 )/ 0 ) , 2 0 2 , c 0 4 , 1 0 . , < .^ < O % $ C ^ , ) .O + 5 W < + , 1 0 2 , , W : 0 + .^ < O -V : 5 O^ + 7 7 2O + 5 W < + , 1 0 2 , + _ _ V V ; [ _ _ V V ; ! 7 * & , , ) ! $ $ $’ K O -Z P ( 5 ) 5 7 +] , 5. 4 1 7 .^ O -\ O , ) O , 0 ( ) 5 < 0 < : < -7 *K W O ) 0 W , 1Z O 5 0 W 5 ’ ( < < : + ) .7 : < < O , < V V _< ; _ 7 : +, 1 7 + 0 < O 22 ^ 7 . 0 .< O -, . 4 , ) < , 0 )W 1 , 5 5 0 * 0 ) + 5 W < + , 1 0 2 , ’ ; ; _ ;O _ V V ; $ % % % 4 " D * & + 2 0 ) 0 2 : 2. 0 5 < , ) W 5 , < 0 , 1 W 7 ) < 0 ) : 0 < O + 5 W < + , W 1 : 5 < + 0 ) V _ _ V V ; BC
图 =! 分块步骤示意图 H 0 ’ =!K O -5 c < W O2 , *^ 1 7 W c 0 ) + 7 W 5 5 ; V7 ;V
色方格应和哪一个蓝色方格属于同一块或者跟他们 都不同属同一块 ’ 遍历完整个空间范围之后 ! 给所有 属于同一块的光谱 取 平 均 ! 这样就得到原始高光谱 图像的分块图像 X! 在 X 中每个块中的像元的光谱 即本块的平 均 光 谱 ( ! 再对 X 按适当的 都是相同的 ’ 分类方法进行分类 ! 将得到没有$ 麻 点% 效应的分类 结果 ’ 由上面的处理 可 看 出 ! X 中的每个像元的光谱 而是每个块中所有光 不再是带有噪声的 原 始 光 谱 ! 谱的平均 ! 由于我们块的划分是严格的 ! 既要求空间 相邻 ! 又要求光谱相似 ! 因此可以认为属于同一块的 像元必定属于同一类 ! 对多数高光谱图像 ! 这样的假 设是合理的 ’ 经过 分 块 处 理 之 后 的 光 谱 在 很 大 程 度 上压制了噪声 ! 从而 得 到 更 为 准 确 的 具 有 统 计 意 义 的光谱 ’ 再对 X 进 行 分 类 的 时 候 ! 将不是拿训练区 的平均光谱跟原始 的 带 有 噪 声 的 光 谱 比 较 ! 而是跟 每个块的平均光谱 相 比 较 ! 这样做的好处是不言而 喻的 ’