利用概率分类向量机的高光谱影像非线性解混

摘要

为提高高光谱影像的解混精度，针对线性解混模型无法揭示混合像元中的非线性特性以及当前非线性解混方法解混精度低的问题，提出一种利用概率分类向量机后验概率进行高光谱影像非线性混合像元分解的方法。在贝叶斯理论框架下，概率分类向量机为基函数权值引入截断Gauss先验概率分布，弥补了相关向量机选取错误类别的样本作为相关向量的不足；模型预测值具有明确的概率统计意义，类别后验概率不需要通过带参数的Sigmoid函数近似，有效地提高了模型的解混精度和稳定性。实验结果表明，与基于支持向量机、相关向量机和线性解混模型相比，所提模型有效地提高了光谱解混精度。