高光谱遥感影像空谱特征提取与分类 方法研究

免责声明：本文仅代表个人观点，如有错误，请读者自己鉴别；如果本文不小心含有别人的原创内容，请联系我删除；本人心血制作，若转载请注明出处

本文是根据 康旭东 所著的 “高光谱遥感影像空谱特征提取与分类方法研究”一文而写，基本细节皆引自此文。

1、要进一步提升地物分类精度，必须联合高光谱影像的光谱与空间信息。

2、一是构建联合影像空间与光谱信息的高光谱影像空谱特征提取算法，另一个是以图像分割、概率优化等手段为
代表的对逐像素光谱分类结果进行优化的空谱分类方法。

3、高光谱影像特征提取--高维数据带来计算负担，机器学习方法在处理高维数据时也会面临很大的挑战。利用未标记样本的半监督学习与主动构建新样本的主动学习方法是解决高维数据训练样本不足的问题。

4、如何降低数据的维数，将高光谱影像从高维特征空间转换至低维空间一直是高光谱影像分析的研究热点。

5、考虑到相邻高光谱波段的强相关性，Kumar等人提出通过融合相邻高光谱波段的方法降低高光谱影像的特征维数。该方法首先根据特定的准则将高光谱影像分割成多个波段子集。最后通过加权求和计算每个波段子集的融合波段获得降维后的高光谱数据。该方法在降维高光谱数据的同时，能够有效的保留数据的物理特性。然而，波段分割通常涉及复杂的聚类和优化过程，因此增加了降维方法的计算复杂度。

6、应用最为广泛的光谱特征提取方法是基于数据变换的方法。这一类方法通过将高维高光谱数据映射到一个低维的特征空间，实现数据的降维，PCA和ICA。

7、

8、灰度共生矩阵(GrayLevelCo—occurrenceMatrix，GLCM)是最早应用于遥感影像的空问特征提取方法之一

9、高光谱影像空谱分类技术，指通过图像分割与概率优化等手段联合高光谱影像空间与光谱信息对影像逐像素分类结果进行后处理或是利用多个像元所表现出的整体性质，以多个像元构成的整体为识别对象的分类技术。

10、于图像融合与域变换递归滤波的高光谱影像特征提取。

11、于本质图像分解的高光谱影像特征提取。

12、于边缘保持滤波的高光谱影像空谱分类。

13、于扩展随机行走的高光谱影像空谱分类。