高光谱（转载）

 

高光谱遥感图像含有大信息量的光谱维度特征与一定程度上的空间信息描述,所以常常用来对地物属性进行种类划分,有着极强的实用意义。世界各国应用高光谱遥感卫星在军事领域来进行监测、预警;在民用领域来进行资源探测、农作物管理。传统高光谱遥感图像分类技术已不能适应适宜发展的高光谱遥感图像。如何在高光谱图像中提取深层次、抗干扰性强的特征以进行图像分类是当前最重要的研究课题。高光谱遥感图像的分类精度的指标将直接影响后续识别、跟踪、侦查的图像处理算法的有效性,是高光谱遥感图像处理技术的基石。随着高光谱遥感技术的发展,卫星分辨率越来越高且幅宽也越来越大,高光谱图像数据量急剧增加,受限于星地链路传输带宽,高分辨率的光谱图像传输极其困难,高光谱图像数据样本数量小。对于以上在高光谱遥感图像领域内的现状,本文通过对高光谱遥感图像深层次特征的提取挖掘,探索将光谱维度信息与空间维度信息相结合的高精度分类技术。并进行实验验证,最终以当前主流的评价指标进行评价并与其他方法进行对比,以探究更高分类精度算法的可能性。本文针对于不同典型应用场景下,分别提出了三种高光谱分类方法:针对于常用分类方法缺乏空间信息表征,分类精度低的问题,提出了增强置信度空-谱分类方法,并且提出了谱增强的算法,提高算法抗干扰能力和分类辨识度;在此基础上,针对于有限训练样本的情况下致使分类精度低,噪声干扰严重的问题,提出了基于自适应引导滤波的空-谱融合分类方法,进一步地挖掘空-谱特征融合的优势,提高算法的分类精度。前两种方法在后分类阶段都是在机器学习的基础上展开的,需要人工提取分类特征,为了提高算法的普适性,提出了自动的空间和光谱特征的加权融合的三段式深度学习训练方法。具体地,本论文取得的主要成果如下:1.传统的高光谱图像分类主要关注点在光谱维度信息的处理上,这种方法得到的分类结果会产生不合乎客观规律的椒盐噪声。本文利用PCA对数据降维以起到特征增强的作用,并且,对像素点进行patch处理,将谱信息和空间信息融合在一起得到超像素块。为了降低计算消耗,还利用Gabor滤波器对空间信息进行了增强,提取图像中的纹理特征,最后利用改进的最大置信度的SVM方法实现基于空-谱融合的高光谱分类。2.利用残差网络提取特征并结合注意力机制进行特征增强的深度卷积神经网络可以实现较好的高光谱图像分类效果,但残差网络不擅长提取更多特征。为了提高分类精度,本文引入双路网络代替残差网络进行基本特征提取,并提出了一种三段式方法进行模型训练。双路网络兼具残差网络低层特征复用和密集连接网络探索更深更多特征的优势,可以获得更有利于分类的特征。在保留了压缩激励网络所实现的注意力机制的基础上,提出一种空谱联合压缩激励双路网络SSSEDPN。三段式训练方法通过专门对空间和光谱特征的加权融合过程进行训练来突出两种特征中更有利于目标分类的部分,可以实现高光谱图像分类精度的进一步提高。3.针对于有限训练样本情况下,传统光谱分类方法计算复杂度高,受噪声干扰严重导致分类精度较低的问题,提出了一种基于自适应规整化因子的引导滤波的高光谱影像空-谱融合分类方法。提出了改进的对比度自适应的LBP描述,提高图像灰度值对比度描述精度,并且结合Gabor变换提取空间纹理特征。采用由粗到细的分类框架,提出了基于自适应规整化因子的引导滤波算法,提高地物轮廓分类精度。在初始分类二值图像基础上,采用改进引导滤波细分类,同时减少噪声干扰,提高分类精度。 

position = zeros(16,2);
position(1,1:2) = [887,718];
position(2,1:2) = [1175,718];
position(3,1:2) = [1419,702];
position(4,1:2) = [711,914];
position(5,1:2) = [915,910];
position(6,1:2) = [1107,906];
position(7,1:2) = [1279,906];
position(8,1:2) = [1435,902];

position(9,1:2) = [1095,1118];
position(10,1:2) = [1283,1122];
position(11,1:2) = [1475,1110];
position(12,1:2) = [915,1298];
position(13,1:2) = [1095,1298];
position(14,1:2) = [1267,1294];
position(15,1:2) = [1475,1274];
position(16,1:2) = [1211,1038];


x = 650:10:1100;
point = zeros(1,46);

%测试窗函数
pic = I{65};
figure,imagesc(pic),colormap gray,axis tight equal;
for k = 1:16
pic(position(k,2):position(k,2)+29,position(k,1):position(k,1)+29) = max(pic(:));
end
figure,imagesc(pic),colormap gray,axis tight equal;

figure;
for k = 1:16
for i = 65:110
pic = I{i};
point(i-64) = mean(mean(pic(position(k,2):position(k,2)+29 , position(k,1):position(k,1)+29)));
% point(i-64) = pic(position(k,2),position(k,1));
end
subplot(4,4,k);
plot(x,point);
hold on;
end

figure;
%str = {'材料1','材料2','材料3','材料4','材料5','材料6','材料7','材料8','材料9','材料10','材料11','材料12','材料13','材料14','材料15'};
str = {'材料1','材料2','材料3','材料4','材料5','材料6','材料7','材料8','材料9','聚酰亚胺渗碳膜（防杂光）','双面镀铝薄膜','低反射率涂层绸','聚酰亚胺镀铝膜','防原子氧布（低轨卫星用）','氟46膜（低吸收高反射）'};
type = {'b-','g-','r-','m-','k-','b:','g:','r:','m:','k:','b-.','g-.','r-.','m-.','k-.'};
for k = 1:15
for i = 65:110
pic = I{i};
point(i-64) = mean(mean(pic(position(k,2):position(k,2)+29 , position(k,1):position(k,1)+29)));
% point(i-64) = pic(position(k,2),position(k,1));
end
% subplot(4,4,k);

%%%%%%g归一化处理,归一到10000%%%
max_number = max(point);
point = point/max_number;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
plot(x,point,type{k});
hold on;
end
legend(str);
%suptitle('光谱图');
title('不同材料归一化光谱图','fontsize',12,'fontweight','b','color','k');
xlabel('波长/nm','fontsize',12,'fontweight','b','color','k');
ylabel('灰度归一化','fontsize',12,'fontweight','b','color','k');


figure;
str = {'普通布料','双面镀铝薄膜','防原子氧布（低轨卫星用）','氟46膜（低吸收高反射）'};
for k = 1:4

switch k
case 1
t = 2;
case 2
t = 11;
case 3
t = 14;
case 4
t = 15;
end
for i = 65:110
pic = I{i};
point(i-64) = mean(mean(pic(position(t,2):position(t,2)+29 , position(t,1):position(t,1)+29)));
% point(i-64) = pic(position(k,2),position(k,1));
end
if k == 1
suptitle('光谱图');
end
subplot(2,2,k);
plot(x,point,'r.-');
xlabel('波长/nm','fontsize',8,'fontweight','b','color','k');
ylabel('灰度值','fontsize',8,'fontweight','b','color','k');
legend(str{k});
end


figure;
%str = {'材料1','材料2','材料3','材料4','材料5','材料6','材料7','材料8','材料9','材料10','材料11','材料12','材料13','材料14','材料15'};
str = {'材料1','材料2','材料3','材料4','材料5','材料6','材料7','材料8','材料9','聚酰亚胺渗碳膜（防杂光）','双面镀铝薄膜','低反射率涂层绸','聚酰亚胺镀铝膜','防原子氧布（低轨卫星用）','氟46膜（低吸收高反射）'};
type = {'b-','g-','r-','m-','k-','b:','g:','r:','m:','k:','b-.','g-.','r-.','m-.','k-.'};
for k = 1:15
for i = 65:110
pic = I{i};
point(i-64) = mean(mean(pic(position(k,2):position(k,2)+29 , position(k,1):position(k,1)+29))) / mean(mean(pic(position(16,2):position(16,2)+29 , position(16,1):position(16,1)+29)));
% point(i-64) = pic(position(k,2),position(k,1));
end
if k == 1
suptitle('光谱图(与背景的比值)');
end
subplot(4,4,k);
plot(x,point,type{3});
legend(str{k});
xlabel('波长/nm','fontweight','b','fontsize',8,'color','k');
ylabel('灰度与背景的比值','fontweight','b','fontsize',8,'color','k');
end
%suptitle('光谱图');