机器学习在遥感高光谱图像中的应用-德赢Vwin官网网

为了克服遥感高光谱图像中地面特征的自动化和智能化分类困难，在遥感成像过程中逐渐引入机器学习方法。研究人员提出了基于支持向量机（SVM）、极值学习机（ELM）、深度置信网络（DBN）以及遥感高光谱图像光谱空间特征的分类模型。将其应用于PaviaU、Botswana和Cuprite三个高光谱数据集，并在高光谱图像特征的地形分类中将其准确性与各种分类模型的准确性进行了比较。

研究成果以“Adoption of Machine Learning in Intelligent Terrain Classification of Hyperspectral Remote Sensing Images”为题，于2020年9月在《Computational Intelligence and Neuroscience》杂志上发布。

首先，研究人员选取PaviaU、Botswana和Cuprite高光谱数据集作为研究对象，通过机器学习对遥感高光谱图像进行处理，实现特征的自动、智能分类。然后介绍了支持向量机（SVM）和极值学习机（ELM）分类算法的基本原理，并将其应用于数据集中。再利用约束Boltzmann机（RBM）调整参数估计，建立了一种基于深度置信网络（DBN）的高光谱图像地形分类模型。最后，对支持向量机、ELM和DBN分类算法在高光谱图像地形分类中的准确性和一致性进行了分析和比较。结果表明，DBN算法充分利用了高光谱遥感图像的空间和光谱信息，其分类精度优于前两种方法。

研究背景

遥感高光谱技术是一项综合性的新技术。遥感高光谱图像能够有效地保留地物的空间和光谱信息。目标检测在遥感中具有重要的应用价值，对地形变化的分析可以及时提供有关地表大型地物变化的信息。遥感高光谱技术已广泛应用于农业、地质、生态等领域。掌握表面物体信息对于改善周围环境具有重要意义。因此，遥感高光谱图像的分类具有重要的理论价值和现实意义。

机器学习技术可以通过训练数据学习，从多样化的数据库中发现数据的发展趋势，实现数据分析的自动化处理。机器学习在处理图像、文本、语音等非线性数据方面取得了优异的效果，而机器学习中的深度学习技术在图像识别方面有着更强的优势。Garcia-Floriano等人提出了一种基于支持向量机的医学图像分类与识别方法，结果表明该方法可有效地应用于疾病的诊断与分类。

遥感高光谱图像已广泛应用于军事、医疗和农业监测领域。在高光谱图像的获取和传输过程中，会受到光照、大气和辐射的影响，因此高光谱图像中会产生大量的噪声，影响图像数据的可信度，给后续的处理和分析带来不便。

因此，高光谱图像中噪声的特征提取一直是研究的热点。机器学习可以有效地去除高光谱图像中的噪声，而高光谱图像中的目标检测对于遥感技术的应用具有重要意义。

研究方法

不同的地物表现出不同的光谱特征和空间分布特征，因此有必要根据地形光谱图像的信息特征和空间分布特征来识别和判断图像类别。假设高光谱图像数据构成一个立方体（其中M， N，和L数据的分类性能主要取决于图像类别、光谱数据的维数、训练过程中使用的样本数、分类器和分类方法。由于高光谱数据的分类类似于元分类，因此可以从整个可变空间进行分类。用一类平均向量来表示特征空间中的坐标。通过使用分类函数来划分区域来对数据进行分类。高光谱图像的分类过程如图所示。

在遥感高光谱图像预处理中，主要采用基于分水岭和空间正则化的方法对图像进行分割。光谱空间模型分类框架如图所示。

结论

为了研究机器学习在遥感高光谱图像地形识别和分类中的性能，建立了基于DBN的图像分类模型。将其应用于实际高光谱图像数据的分类中，并与SVM和ELM模型的分类性能进行了比较。结果如下：

（I）不同地物信息类型的光谱曲线具有较高的相似性，这增加了大型数据集的分类难度，影响了不同类型地物分类的准确性。

（2）根据地物的光谱特征和空间特征，对遥感高光谱图像中的地物进行了分类，为提高各种算法的分类精度奠定了基础。

（3） DBN模型能够有效地提取高光谱图像的特征，并对各种类型的地物进行分类。

（4） DBN模型在遥感高光谱图像地物分类性能上优于SVM和ELM模型。

然而，高光谱图像中存在较强的空间维纹理信息和较多的噪声，而这些因素对分类性能的影响还没有得到考虑。因此，有必要将滤波和纹理增强相结合来提高模型的分类精度。研究结果为提高遥感高光谱图像地形分类的效率提供了理论依据。
责任编辑：YYX

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

遥感

遥感

+关注

关注
0

文章
245

浏览量
16816
机器学习

机器学习

+关注

关注
66

文章
8406

浏览量
132557
高光谱图像

高光谱图像

+关注

关注
0

文章
25

浏览量
7186

从哪些角度选择高光谱遥感成像光谱仪?这些厂家比较有实力!

高光谱遥感成像光谱仪作为一种先进的遥感技术设备，在环境监测、农业、资源勘探、城市规划等诸多领域具

发表于 07-16 15:12 •524次阅读

从哪些角度选择<b class='flag-5'>高</b><b class='flag-5'>光谱</b><b class='flag-5'>遥感</b>成像<b class='flag-5'>光谱</b>仪?这些厂家比较有实力!

高光谱成像系统：高光谱遥感图像的光谱混合模型

高光谱遥感是成像技术和光谱技术相结合的多维信息获取技术，可以同时获取地面目标的光谱信息和空间信息。高

发表于 07-10 11:54 •741次阅读

高光谱遥感技术在高植被覆盖区域地质调查中的应用

遥感技术具有高效率、低成本、大面积、多时相获取地表信息等优点，随着高光谱成像技术的发展和成熟，其更加宽广的光谱范围和更加精准的光谱区分能力为

发表于 06-23 09:52 •501次阅读

便携式高光谱成像系统：岩矿高光谱遥感

高光谱成像作为目前遥感领域最先进的技术，在地质应用中取得了巨大成功。岩石和矿物由于电子过程和分子振动可以产生特征的

发表于 06-21 15:02 •648次阅读

基于无人机高光谱遥感的荒漠化草原地物分类研究2.0

草原退化调查监测须获取实测数据，无人机搭载高光谱成像仪进行低空遥感，是荒漠化草原地物分类的重要手段，可提供地物精细分类所需的遥感数据，充分发挥出两种设备纳米级

发表于 06-17 15:33 •298次阅读

基于无人机高光谱遥感的荒漠化草原地物分类研究1.0

本研究利用无人机高光谱遥感技术采集荒漠化草原遥感数据，运用人工智能图像分类技术，解决荒漠化草原地物分类与识别问题，具有自动化程度

发表于 06-12 11:48 •366次阅读

基于无人机高光谱遥感的太行山经济林树种识别研究2.0

开展基于高光谱遥感的山区经济林树种识别研究既丰富高光谱在树种分类识别上的应用，也对监测山区经济林资源具有重要意义。

发表于 05-22 15:13 •465次阅读

高光谱成像技术在肤检测、植被遥感与环境检测中的应用

已在多个领域得到了广泛应用。本文将深入探讨高光谱成像技术在肤检测、植被遥感和环境检测中的具体应用及其优势。一、

发表于 05-16 15:31 •687次阅读

基于无人机高光谱遥感的太行山经济林树种识别研究1.0

开展基于高光谱遥感的山区经济林树种识别研究既丰富高光谱在树种分类识别上的应用，也对监测山区经济林资源具有重要意义。

发表于 05-14 09:35 •291次阅读

高光谱成像系统：光谱成像技术在海域目标探测中的应用

在现代战争中，信息对抗已经成为决定战争胜负的关键，而基于航空平台获取军事信息具有时效性强，侦查范围广等特点，是重要的侦察手段之一。利用高光谱成像技术对地、对海进行侦察将获取更丰富的目标

发表于 04-02 17:19 •1119次阅读

避免高光谱成像数据中的光谱混叠问题

高光谱成像技术在农业、环境监测、医学诊断等领域具有广泛的应用前景。然而，光谱混叠是高光谱成像数据

发表于 02-27 15:27 •852次阅读

高光谱成像技术如何改善现有遥感技术的局限性?

随着科技的不断进步，遥感技术在地球观测、资源管理、环境监测等领域中发挥着日益重要的作用。然而，传统的遥感技术在分辨率、准确性和信息获取能力等方面存在一定的局限性。为了克服这些局限性，

发表于 02-21 10:52 •574次阅读

高光谱成像与遥感技术：哪个更适合环境监测？

略有不同。在本文中，我们将深入研究高光谱成像和遥感技术，并探讨它们在环境监测中的应用，以确定哪种

发表于 01-26 14:43 •547次阅读

便携式高光谱成像系统在远程感知中的应用探究

成像系统是否适用于远程感知，并分析其在该领域的应用前景。便携式高光谱成像系统概述高光谱成像(HSI)是一种先进的成像技术，它不仅捕捉到

发表于 01-19 10:39 •458次阅读

高光谱和多光谱的区别

高光谱和多光谱的区别高光谱和多光谱是两种不同的遥感

发表于 01-03 17:13 •2725次阅读