李佳遜

摘 要 隨著遙感科學(xué)的迅速發(fā)展，高光譜圖像受到人們越來越多的關(guān)注。尤其是分類問題已經(jīng)成為高光譜遙感最為重要的應(yīng)用方向，具有重要的研究價值。多種圖像處理技術(shù)已經(jīng)廣泛應(yīng)用于高光譜遙感圖像的分類中，并取得了一定的效果。本文通過介紹幾種主要的分類方法，加深對高光譜圖像分類方法的了解。

關(guān)鍵詞 高光譜遙感 遙感技術(shù) 圖像分類

中圖分類號：TP751. 1 文獻(xiàn)標(biāo)識碼：A

遙感是一項重要的現(xiàn)代觀測技術(shù)，其最大的特點就是不直接接觸物體而對物體的各種性質(zhì)進(jìn)行感知。遙感技術(shù)通過地面目標(biāo)對不同波長電磁波的響應(yīng)來獲取關(guān)于目標(biāo)的信息，然后對接收到的信息進(jìn)行分析，進(jìn)而對所感知物體的各種性質(zhì)進(jìn)行判斷和識別。它憑借著覆蓋范圍廣、得到的地物信息豐富并且實時性高等一系列傳統(tǒng)手段不具有的優(yōu)點，已經(jīng)在資源勘探、環(huán)境監(jiān)測、精細(xì)農(nóng)業(yè)、災(zāi)害評估、目標(biāo)識別等眾多的技術(shù)領(lǐng)域得到了廣泛的應(yīng)用。遙感圖像分類主要有兩類分類方法：一種是非監(jiān)督分類方法，另一種是監(jiān)督分類方法。非監(jiān)督分類方法是一個聚類過程，而監(jiān)督分類則是一個學(xué)習(xí)和訓(xùn)練的過程，需要一定的先驗知識。

1 K-均值

K-均值分類方法也稱為k-means算法，是一種較典型的逐點修改迭代的動態(tài)運算的聚類算法，也是一種普遍采用算法。K-means聚類的準(zhǔn)則是使每一聚類中多模式點到該類別的中心距離的平方和最小。首先確定初始聚類點，然后把其余的待分點分到各類中，完成初始分類。初始分類完成后，重新計算各聚類中心，完成第一次迭代，依次循環(huán)迭代，直至前后兩次的聚類中心相同，循環(huán)結(jié)束。

k-means算法是一種無監(jiān)督的分類方法，該方法的不足是初始聚類中心和最佳聚類數(shù)對聚類結(jié)果影響很大。

2 支持向量積

支持向量積（SVM）主要思想是建立一個超平面作為決策曲面，使得正例和反例之間的隔離邊緣被最大化。同理，在多維空間假定訓(xùn)練數(shù)據(jù)可以被一個超平面分開，如果這個向量集合能被超平面沒有錯誤地分開，并且離超平面最近的向量與超平面之間的距離最大，則稱這個向量集合被這個最優(yōu)超平面最大分開。

SVM作為一種高維有監(jiān)督的分類方法，它憑借著不受Hughes現(xiàn)象影響的優(yōu)勢，取得了很好的分類效果。

3 K-最鄰近結(jié)點算法

K-最鄰近結(jié)點算法，是一個理論上比較成熟的方法，也是最簡單的機器學(xué)習(xí)算法之一。該方法的思路是：如果一個樣本在特征空間中的k個最相似（即特征空間中最鄰近）的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別。KNN算法中，所選擇的鄰居都是已經(jīng)正確分類的對象。該方法在定類決策上只依據(jù)最鄰近的一個或者幾個樣本的類別來決定待分樣本所屬的類別。

當(dāng)樣本不平衡時，如一個類的樣本容量很大，而其他類樣本容量很小時，有可能導(dǎo)致當(dāng)輸入一個新樣本時，該樣本的K個鄰居中大容量類的樣本占多數(shù)。因此可以采用權(quán)值的方法（和該樣本距離小的鄰居權(quán)值大）來改進(jìn)。該方法的另一個不足之處是計算量較大，因為對每一個待分類的樣本都要計算它到全體已知樣本的距離，才能求得它的K個最近鄰點。目前常用的解決方法是事先對已知樣本點進(jìn)行剪輯，事先去除對分類作用不大的樣本。該算法比較適用于樣本容量比較大的類域的自動分類，而那些樣本容量較小的類域采用這種算法比較容易產(chǎn)生誤分。

下面對K-近鄰算法描述：

輸入：訓(xùn)練數(shù)據(jù)集，其中是第個樣本的條件屬性，是類別，新樣本，距離函數(shù)。

輸出：的類別。

For i = 1 to N do

計算和之間的距離；

End for

對距離排序，得到；

選擇前個樣本：；

統(tǒng)計中每個類別出現(xiàn)的次數(shù)，確定的類別。

4平行多面體分類方法

平行多面體分類法是根據(jù)設(shè)定在各軸上的值域，在多維數(shù)據(jù)特征空間中劃分出若干個互不重疊的平行多面體塊段（特征子空間）。應(yīng)用這種方法進(jìn)行分類需要由訓(xùn)練組數(shù)據(jù)學(xué)習(xí)產(chǎn)生基本的統(tǒng)計量信息，包括每個類別的均值向量和標(biāo)準(zhǔn)向量。若有個波段，個類別，用代表第類第波段的均值，為對應(yīng)的標(biāo)準(zhǔn)差，為像元在波段的像元值。

對于某一個類別，當(dāng)像元滿足：

，

即該像元在所有波段的灰度值都符合上述條件，就把像元歸入第列，即；否則不能歸入已知類別，即。式中為人為規(guī)定的閾值，相當(dāng)于有概率分布觸發(fā)，采用幾個標(biāo)準(zhǔn)差作為可信的分類邊界，越大則一個類的范圍越大。

這種方法比較簡單，計算速度比較快。主要問題是按照各個波段的均值為標(biāo)準(zhǔn)差劃分的平行多面體與實際地物類別數(shù)據(jù)點分布的點群形態(tài)不一致，也就造成兩類的互相重疊，混淆不清的情況。

5結(jié)論

本文針對高光譜圖像，介紹了四種常見的分類方法，并分析了它們的特點以及實現(xiàn)算法，對高光譜圖像的分類有一定的研究意義。

參考文獻(xiàn)

[1] 胡高翔，韓孜. 基于K均值的遙感圖像自動識別分類[J].武漢理工大學(xué)學(xué)報（信息與管理工程版），2005.

[2] 譚琨，杜培軍.基于支持向量機的高光譜遙感圖像分類[J].紅外與毫米波學(xué)報， 2008，27（2）：123-128.

[3] 趙振凱.結(jié)合近鄰選擇的高光譜圖像分類算法研究[D].南京師范大學(xué)，2016.

[4] 劉紅巖，陳劍，陳國青.數(shù)據(jù)挖掘中的數(shù)據(jù)分類算法綜述[J].清華大學(xué)學(xué)報自然科學(xué)版，2002， 42（6）：727-730.