基于EMP与混合核SVM的高光谱遥感影像分类

曹 浩，韩贤权，黎建洲*，吴 柯，刘慧泽

（1.长江水利委员会长江科学院，湖北 武汉 430010；2.中国地质大学（武汉） 地球物理与空间信息学院，湖北 武汉 430074）

高光谱数据具有维数高、冗余信息巨大等特点，在真实训练样本信息不足的情况下，易出现大量Hughes现象，这将极大影响地物探测和识别的精度[1]。支持向量机（SVM）自提出起就受到了广泛的关注。利用SVM空间构建的核函数，合理地避开了高维空间计算的复杂性，在线性可分的情况下能有效求解对应高维空间的决策问题。将这种单核SVM应用于数据量庞大的高光谱遥感影像分类、识别中，效果非常显 著[2-3]。2002年Smits G F[4]等在单核SVM的基础上提出了一种混合核SVM的高光谱影像分类方法，主要通过构建与组合不同的核函数来完成SVM的空间映射；相较于单核SVM，混合核能取得更好的分类效果；随后一些研究者陆续发展了不同形式的混合核SVM，并取得了良好的效果[5-8]。然而，利用混合核SVM的传统分类方法完全是从光谱维的角度来构建混合核SVM模型，并未考虑影像的空间结构信息，基于单一的光谱维的分类器并不一定能满足需求[9]。已有研究结果表明，将空间结构信息加入SVM模型能有效提高分类精度，如TAN K[10]等提出了基于空间形态学属性的分类模型，Tarabalka Y[11]等提出了SVM与马尔科夫随机场（MRF）相结合的模型，王晓玲[12]等提出了融合形态学特征的SVM模型等；但这些方法均是利用同一映射形式的单核SVM对空间信息与光谱信息的叠加信息进行统一处理，并未考虑混合核函数的形式。……