基于条件随机场模型的超光谱图像分类

摘要

本文从遥感成像技术出发，分析超光谱图像的数学特性，进而深入讨论其特点，使用一种条件随机场模型(CRF)来进行超光谱图像分类，包含以下具体内容：
　　 (1)将基于条件随机场模型的图像分类方法，用于处理超光谱图像的分类问题，针对超光谱图像的高维特点和性质，使用相应的概率模型和求解机制。该模型不仅体现了超光谱图像中的谱相关性，还能够体现其空间相关性，且实现过程简洁、高效。
　　 (2)针对超光谱图像的空间相关性，提出一种判定机制，避免不必要的信息更新。条件随机场模型充分利用了超光谱图像的谱相关性和空间相关性，利用空间邻域信息进行信息修正，然而在部分情况下，信息修正并非必要，本文引入最小距离法对信息更新加以限制。实验结果表明，该方法提高了分类准确率。
　　 (3)对于超光谱遥感图像进行地物分类和预测，目前有监督方法效果相对较好。有监督方法需要有大量正确的训练样本，即有地物类别标记的样本。然而很多时候，地物类别标记不易获取。本文利用超光谱图像的凸面几何特性，提出一种基于样本选择的分类法方法，获取更多的可利用信息。实验结果表明，本文方法是一种可行的策略。