联合多种空间信息的高光谱半监督分类方法

王立国， 马骏宇， 李阳

(哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001)

由于遥感学科[1]的进步以及高光谱数据的独特性质，高光谱技术已然成为了遥感领域的一个重要组成部分[2]，而分类问题是高光谱图像研究中一个重要的方向[3]。在图像中，地物分布往往具有空间平滑特性[4]，因此相距较近的像素属于同种类别的概率更高。传统的分类算法如标准SVM[5-6]，三重训练[7]等通常只从光谱信息的角度出发对地物类别进行分类，而对图像中的空间特征进行了忽视。在分类过程中应用空间信息辅助分类，可以降低噪声并且能保证分类结果空间上的连续性。高光谱图像分类利用的空间信息主要包括3种：空间的纹理信息[8]、数学形态学信息以及邻域信息。文献[9]提出了一种基于数学形态学的高光谱数据预处理方法，在高光谱的城市数据集中取得了不错的效果。文献[10]在进行高光谱图像分类之后，使用了基于邻域多数投票策略的分类方法，以进一步改善分类结果。文献[11]将Gabor滤波器提取的空间纹理特征用于高光谱图像分类并实验验证了方法有效地提升了分类精度。因此，挖掘高光谱图像的空间信息对于提升图像分类精度具有十分重要的意义，如何有效运用高光谱图像的空间信息也是一个研究的热点话题。

基于以上内容，关注高光谱图像分类中利用空间信息的问题，本文提出了一种联合多种空间信息的高光谱图像半监督分类方法，在图像处理的预处理阶段、扩充样本集阶段、分类阶段和后处理阶段均引入了图像的空间信息进行辅助分类。……