结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法.pdf

万方数据
结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法李勇响瑚哪咖谱遥所包感领高光谱遥感经过上世纪后几十年的迅猛发展已取得了长足的进步，是将光谱分析技术与成像技术相结合，以期达到获取多维信息的技术手段，因此也被称为成像光卜。目前的航空与航天高光谱遥感测量技术数据获取途径正在向多传感器、多角度与多平台多”方向发展，而高光谱数据则向着高时间、空间分辨率以及高光谱分辨率的方向发展。因其含的丰富信息，高光谱遥感技术不仅被应用于传统的地质学、地理学、农业科学与植被监测等遥域，在海洋学、大气研究、生态学等环境领域也得到了广泛的应用与研究阻。当今世界，高光感已涵盖了各个国家的航空、航天以及小范围的地面观测的多个层级与环节，伴随先进探测技术、处理技术、光谱分析技术、特征提取等多个学科、多个领域的定性／定量化研究的发展与进步，高感三痡．．—．．．因其的“图像本┬畔⒖萍即笱б瞧骺蒲в牍獾绻こ萄г海本摘要：高光谱遥感可以得到更精确与丰富的遥感信息，因此涵盖了各国家的航空、航天以及小范围的地面观测的多个层级与环节，在对地观测遥感领域占有不可取代的地位。但高光谱数据集往往非常庞大，且包含冗余信息，为后续处理带来了不便。该研究选用拉普拉斯特征映射对高光谱数据降维与特征提取，并提出了一种权重朴素贝叶斯分类算法。通过奖励权重的方法对经典朴素贝叶斯分类器进行了改进，利用公开数据对算法进行验证，判别地物信息准确率达到．ィ啾扔诖撤椒ㄓ辛舜蠓鹊奶岣摺关键词：高光谱；特征提取；目标识别；朴素贝叶斯分类算法；拉普拉斯特征映射中图分类号：．；龋文献标识码：文章编号：———瑚第卷第期年月分析测试学报，，癵，：痑．．．ィ；收稿日期：——；修回日期：一—基金项目：“十三五”装备预研共用技术和领域基金还谰ぶ氐慵屏靠蒲邢钅ㄑ蹲髡撸豪钕欤┦浚苯淌冢芯糠较颍汗馄追治黾际酰珽—：】．；籲．～
万方数据
算法与原理基于拉普拉斯特征映射的降维与特征提取方法光谱分析技术在对地观测遥感领域已占有不可取代的地位。高光谱遥感技术能够在探测过程中，同时获取关注区域与目标物的一维光谱数据与二维空间信息，形成所谓的“数据立方体”，“图谱合一”的特点使得高光谱分析技术可以综合利用光谱分析与图像处理的优势，得到更精确与丰富的遥感信息№一８吖馄资萘⒎教逯械拿扛鱿袼刂写⒋孀盘讲馐映∧至少十余个甚至能高达上百个连续光谱波段信息。常见的高光谱探测波长一般分布在围内，波长分辨率一般小于高光谱数据在包含空间几何信息的同时，也承载了光谱信息，因此仅使用单一的传统图像处理技术或光谱分析技术均显得力所不及。对此，需要根据高光谱数据的机理与特点发展适合数据立方体的特征信息提取算法与技术。波段重多、数据量庞大，数据内存在亚像元与混合像元，不同探测条件下“同物异谱”现象等问题在高光谱遥感中普遍存在，解决方法主要有以下矫妫菏萁滴胩卣魈取、目标探测、图像分类以及混合像元分解。在上述几个方面中，数据降维与特征提取可谓重中之重，是后续各种定性与定量分析的前提与基础，同时也为庞大的高光谱数据的存储与传输提供了便利。本文将拉普拉斯特征映射应用于高光谱数据，用以进行降维与特征提取，并提出了一种改进的朴素贝叶斯分类算法，对高光谱的目标区域进行了地物分类。高光谱数据处理中的降维是指利用具有较低的维度新数据来有效承载原始较高维高光谱数据中的信息，将庞大、冗