基于多分類器融合的高光譜圖像分類研究

王 燕, 李國(guó)臣, 孫曉麗

(蘭州理工大學(xué) 計(jì)算機(jī)與通信學(xué)院, 甘肅 蘭州 730050)

高光譜遙感技術(shù)是二十一世紀(jì)地球觀測(cè)所使用的重要技術(shù)之一，還被廣泛應(yīng)用于農(nóng)業(yè)、軍事等領(lǐng)域.高光譜圖像具有高分辨率、圖譜合一等特征，有效地融合了連續(xù)的光譜信息與幾何空間信息[1],這使得高光譜圖像蘊(yùn)含豐富的數(shù)據(jù)量,同時(shí)也使得高光譜圖像數(shù)據(jù)維度高[2]，而且數(shù)據(jù)之間存在高度的相關(guān)性、非線性以及數(shù)據(jù)冗余[3]，使得高光譜圖像數(shù)據(jù)的處理面臨較大的困難.

高光譜圖像的分類是當(dāng)前高光譜圖像方面研究的熱點(diǎn)之一.傳統(tǒng)的高光譜圖像以像元為單位進(jìn)行分類.后來(lái)，出現(xiàn)面向?qū)ο蟮姆诸惙椒ǎㄟ^(guò)提取圖像的空間信息結(jié)合圖像的光譜信息進(jìn)行分類.余岸竹等[4]利用超像素分割波段提取顯著特征,再結(jié)合光譜信息進(jìn)行分類.Cui等[5]通過(guò)超像素處理光譜信息，將LP算法與SVM進(jìn)行融合.吳爾律等[6]針對(duì)JSRC和JNRS增加SVM分類器作后級(jí)，形成JSRC -SVM和JNRS-SVM兩級(jí)分類器，使用較少的訓(xùn)練集就可以訓(xùn)練模型，但是精度相對(duì)較低.

當(dāng)前，基于深度學(xué)習(xí)[7]和集成學(xué)習(xí)[8]的分類方法成為高光譜圖像分類的熱點(diǎn)方法.基于深度學(xué)習(xí)的方法大多基于深度卷積神經(jīng)網(wǎng)絡(luò)[9].Akrem等[10]提出了一種自適應(yīng)降維與半監(jiān)督3-d卷積神經(jīng)網(wǎng)絡(luò)結(jié)合的分類方法；張?jiān)频萚11]提出了基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉特征點(diǎn)檢測(cè)算法；Liu等[12]提出了一種基于遞歸神經(jīng)網(wǎng)絡(luò)的分類模型，通過(guò)不同鄰域像素之間的依賴關(guān)系建模，但是沒(méi)……