發(fā)布時(shí)間：2021-04-02 15:24

　　高分五號(hào)（GF-5）搭載的高光譜傳感器兼顧寬覆蓋和高分辨率的特性,但在實(shí)際應(yīng)用中寬覆蓋范圍內(nèi)各種地物類(lèi)別的標(biāo)注十分困難。當(dāng)標(biāo)記樣本很少甚至沒(méi)有標(biāo)記樣本時(shí),遙感圖像分類(lèi)異常困難。此時(shí),可以采用域適應(yīng)方法,借助已標(biāo)記的歷史數(shù)據(jù)（源域）實(shí)現(xiàn)對(duì)未標(biāo)記數(shù)據(jù)（目標(biāo)域）的分類(lèi)。本文提出了一種基于稀疏矩陣變換的關(guān)聯(lián)對(duì)齊域適應(yīng)分類(lèi)算法。首先,利用稀疏矩陣變換估計(jì)源域和目標(biāo)域的協(xié)方差矩陣;然后,運(yùn)用協(xié)方差關(guān)聯(lián)對(duì)齊方法估計(jì)源域到目標(biāo)域的變換矩陣;接著,運(yùn)用估計(jì)得到的變換矩陣將源域數(shù)據(jù)進(jìn)行變換,使得其與目標(biāo)域?qū)R;最后,在變換后的源域數(shù)據(jù)上建立分類(lèi)器,實(shí)現(xiàn)對(duì)目標(biāo)域數(shù)據(jù)的分類(lèi)。本文的算法在兩個(gè)真實(shí)的GF-5高光譜數(shù)據(jù)集上進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,本文算法要優(yōu)于常用的子空間對(duì)齊算法和關(guān)聯(lián)對(duì)齊算法。特別地,在黃河口GF-5數(shù)據(jù)上,本文算法比原始關(guān)聯(lián)對(duì)齊方法的最近鄰分類(lèi)準(zhǔn)確率提升了3.5%,支持向量機(jī)分類(lèi)準(zhǔn)確率提升了2.3%。 

【文章來(lái)源】：遙感學(xué)報(bào). 2020,24(04)北大核心EICSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

黃河口GF-5數(shù)據(jù)的偽彩色合成圖像（圖（a）波段1,30,20分別設(shè)定為紅、綠、藍(lán)分量）和選定的5類(lèi)樣本標(biāo)記圖

(2）鹽城GF-5數(shù)據(jù)集：利用GF5＿AHSI傳感器于2019-04-04獲取的江蘇鹽城地區(qū)的高光譜分辨率影像。影像大小為1175×585。成像區(qū)域中心的經(jīng)緯度分別為120.177876°E和34.270704°N。傳感器的空間分辨率為30 m�？偣埠�330個(gè)波段，剔除63個(gè)壞波段，余下267個(gè)波段用于分類(lèi)。該影像對(duì)應(yīng)鹽城濱海濕地，通過(guò)地物類(lèi)別實(shí)地調(diào)研，該影像共標(biāo)注地物類(lèi)別20類(lèi)，包括淺海、海灘、池塘、沼澤、樹(shù)林、裸土等。將數(shù)據(jù)集分為兩個(gè)互不相交的區(qū)域，從而模擬有偏差采樣的情形，如圖2所示，紅線下方為源域，上方為目標(biāo)域。在源域和目標(biāo)域中挑選6類(lèi)樣本用于遷移學(xué)習(xí)，具體信息見(jiàn)表2，其中源域和目標(biāo)域樣本總數(shù)分別為1140和1880。3.2 對(duì)比算法

為了從視覺(jué)上直觀地呈現(xiàn)NA,CORAL,CORAL-SMT算法的差異，本文分別將原始數(shù)據(jù)以及CORAL和CORAL-SMT變換之后的源域和目標(biāo)域樣本，采用PCA變換投影到2維空間，展示相應(yīng)圖形如圖3所示。從圖3(a），可以明顯看出：原始數(shù)據(jù)上源域和目標(biāo)域之間存在一個(gè)較為明顯的分布漂移情況。源域數(shù)據(jù)靠近圖形下方，而目標(biāo)域分布在圖形上方。盡管NA算法能夠產(chǎn)生較高分類(lèi)準(zhǔn)確率，仍然有必要通過(guò)域適應(yīng)將源域和目標(biāo)域數(shù)據(jù)進(jìn)行對(duì)齊，消除這種分布偏差，從而進(jìn)一步提升分類(lèi)性能。圖3(b）中，通過(guò)CORAL變換，源域和目標(biāo)域數(shù)據(jù)之間更加接近，但是紅色和藍(lán)色部分有大量重疊。從圖3(c）可以看出，經(jīng)過(guò)SMT變換之后，源域和目標(biāo)域?qū)?yīng)的同類(lèi)樣本之間更加緊密。特別地，紅色部分有向左上角收縮的趨勢(shì)、綠色部分向下方收縮、藍(lán)色部分向右收縮。這表明，SMT變換之后，估計(jì)得到的協(xié)方差更加準(zhǔn)確，每類(lèi)樣本對(duì)應(yīng)的方差和變化范圍更加準(zhǔn)確，從而使得對(duì)齊之后的結(jié)果更加可靠。將NA,CORAL,CORAL-SMT在各類(lèi)上的分類(lèi)結(jié)果進(jìn)行詳細(xì)比較。表4—表6分別給出了NA,CORAL,CORAL-SMT方法的分類(lèi)混淆矩陣（Confusion Matrix）�？梢园l(fā)現(xiàn)，NA中，錯(cuò)分主要出現(xiàn)在第1類(lèi)和第4類(lèi)，其中，第1類(lèi)（紅色）錯(cuò)分到第2類(lèi)（綠色）和第3類(lèi)（藍(lán)色）、第4類(lèi)（紫色）錯(cuò)分到第5類(lèi)（青色）。第1類(lèi)為濕地，第2類(lèi)為水產(chǎn)養(yǎng)殖區(qū)，第3類(lèi)為池塘，這3類(lèi)都與水有關(guān)系，光譜上具有一定相似性，因此難以完全區(qū)分開(kāi)。經(jīng)過(guò)CORAL變換之后，第1類(lèi)只錯(cuò)分到第3類(lèi)，另外，紫色分到青色的錯(cuò)分也得到了一定的緩解。經(jīng)過(guò)CORAL-SMT處理之后，已基本上能將紫色和青色分開(kāi)。紅色部分的錯(cuò)分也得到了極大減少。

【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)高光譜遙感的前沿進(jìn)展[J]. 童慶禧,張兵,張立福.  遙感學(xué)報(bào). 2016(05)
[2]高光譜圖像稀疏信息處理綜述與展望[J]. 張良培,李家藝.  遙感學(xué)報(bào). 2016(05)



本文編號(hào)：3115503