加权概率原型分析的高光谱影像波段选择-遥感学报.pdfVIP

加权概率原型分析的高光谱影像波段选择 1 1 1 2,3 孙伟伟 ，张殿发 ，杨刚 ，李巍岳 1 宁波大学 地理与空间信息技术系，浙江 宁波 315211 2 上海师范大学 城市发展研究院，上海 200234 3 中国科学院寒区旱区环境与工程研究所，甘肃 兰州 730000 摘要: 高光谱遥感影像波段众多、相关性强，导致其实际分类应用计算量大且存在明显的“维数灾难”问题。本 文提出加权概率原型分析方法来研究高光谱影像的波段选择问题。该方法考虑波段间的差异性，引入综合差异性 度量指标来构造权重矩阵以改进传统原型分析模型；考虑稀疏系数的狄利克雷分布和高光谱成像过程的量子特性， 引入贝叶斯框架理论来构建波段选择的优化模型。加权概率原型分析方法采用迭代优化的策略，利用交替方向乘 积方法来依次求解两个凸优化子问题来得到局部最优的稀疏系数矩阵并实现波段子集的最优估计。基于两个公开 的高光谱数据集，对比四种主流的波段选择方法来验证提出方法的可靠性。实验结果表明，加权概率原型分析方 法的总体分类精度高于其它四种方法，能够得到更好的分类结果图。因此，本文提出的加权概率原型分析模型能 够选择合适的波段子集来满足高光谱影像的高精度分类需求。 关键词: 高光谱遥感，原型分析，加权概率原型分析，波段选择，稀疏表达 中图分类号: TP75 文献标志码: A 向量机方法，利用二值支分类器来训练得到高光谱 1 引 言 影像的各波段对应的权重，通过零和非零权重的差 异来选取重要波段并得到波段子集。施蓓琦等(2013) 依赖于成像光谱仪，高光谱遥感技术能够以数 分析稀疏系数矩阵的聚类结构特征，利用欧氏距离 十至数百个窄波段来收集地物可见光至近红外的光 度量和相对熵距离度量约束将高光谱数据矩阵分解 谱响应信息(童庆禧等，2016 ；张良培等，2016) 。在 为低阶字典矩阵和稀疏系数矩阵，根据稀疏系数矩 此基础上，通过分类来区分具有细微光谱差异的地 阵中对应的系数权重大小确定该波段的聚类，最终 物，对后续的植被覆盖制图、海岸带监测、矿物制 实现波段的有效选取。Sun 等(2015b)提出改进稀疏 图和军事目标识别等应用关系重大( 杜培军等， 子空间聚类方法，整合稀疏表达和子空间聚类方法， 2016) 。然而，高光谱影像数据由于波段众多，导致 通过稀疏系数向量来构建相似性矩阵并采用谱聚类 分类存在明显的“维数灾难” 问题，需要巨大的训练 来得到合适的波段子集。最近，Sun 等(2016a)整合 样本来保证高精度的分类结果(Pal 和Foody, 2010) 。 差异性正则项和稀疏自表达模型来构建加权差异性 另一方面，波段众多且相关性强，导致高光谱影像 稀疏自表达的波段选择方法，通过非线性求解稀疏 内部信息冗余较高，数据处理的计算量较大。因此， 表达系数来实现波段子集的优化选择。 通常情况下，可以采用波段选择来进行高光谱影像 不同于以上方法，本文提出加权概率原型分析 数据降维，通过选取波段子集来降低数据计算量并 (Weighted Probabilistic Archetypal Analysis, WPAA) 方法来研究高光谱影像的波段选择问题。通过两个 保留重要光谱信息，然后再进行后续的高光谱影像 高光谱影像公开数据集包括 Urban