第32卷，第7期 2012年7月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 32,No. 7. pp1860-1864
July，2012
一种基于空间一致性降元的高光谱图像非监督分类
江，张毅，徐杭威，柏连发，岳
南京理工大学电子工程与光电技术学院，江苏南京210094
摘要为了提高分类精度和边缘辨识性，该文引入图像空间一致性降元（pixelsreductionwithspatial coherenceproperty，PRSCP)及线性同归分析，提出了一种基于空间一致作降元的非监昏分类。该方法从像元光谱相似性出发，利用像元最小关联密口合并相邻相似像元为像块完成降元。使用线性关系建模像块内像元的光谱向量，并利用F检验判断像块数据的线性显性。利用一元线性回归（onedimensional linearre gression，ODI.R)估计出像块的基准向量，根据基准向量合并相似(同类)像块完成分类。利用AVIRIS数据评估了该方法性能，实验结果表明：与K-MEANS和ISODATA方法相比，该方法精度高、边缘辨识度好及鲁棒性强。
关键词降元；空间一致性；一元线性回归；非监督分类；高光谱图像
中图分类号：TP751.1
引言
文献标识码：A
DOI: 10. 3964/j. issn. 1000-0593(2012)07-1860-05
分割，能有效提高分割精度。文献[8]提出利用马尔科夫随机场(markovrandomfield，MRF)分析高光谱中光谱特征的空间联系，用来提高分类效果。
高光谱图像分类可以分为两大类：监督分类和非监督分类(13)。虽然监督分类有较高的精度，但需要获取先验知识，在无法获得先验知识或者代价较大时，只能选择非蓝肾分类[3]。非监督分类最常见、最具代表性的是K-MEANS和 ISODATA两种方法，这两种方法假设类内像元满足多元高斯分布（multivariategaussian），以高斯混合模型（gaussian mixturemodel)建模，采用欧拉距离作为基本测度手段(2.)，由于上述两种方法较简单、使用普避，已经被集成在某些遇感图像处理软件中，如ENVI。然而这类算法只考患了光谱信息忽略了图像空间特性，此邻像元具有更高相似可能性一图像空间一致性，基于此特征的分类将更符合人类对
图像的解析[3
。另一方面大部分聚类和基于统计学的分类
方法都需要指定类别数量，目前还没有完善的、可接受的确定类别数量的统一理论(，图像吡邻像元特征逐渐受到研究者的重视，关于这方面的成果也越米越多。文献[6]提出综合像元空间和光谱信息，强化邻域相似性，基于贝叶斯理论和非监督同质目标提取（extractionandclassificationfor homogenousobjects，ECHO)分类器实现分类。文献[7]提出基于光诺角（speetralangle）和欧拉距离组成能量方程应用于图像一致性(平滑性)评价，并将此方法应用子高光谱非监督
收稿日期：2012-02-08，修订日期：2012-04-15 基金项自：国家自热科学金项日(61071147)资助
本工.作以高光谱数据空间一致性为前提，光谱角作为像元光谱相似测度，将空间相邻的多个相似像元合并成一个“像块”。上述操作称为降元，像块等同于广义上的--个像元。光谱角是基于光谱曲线形状衡量像元相似性，在高光语分类中广泛使用，比如属监督分类的光谱角映射（spectral anglemapper，SAM)此方法经集成在ENVI和SIPS等软件中。而且利用光谐角进行降元，能最大保证降元后，像块
中像元光向量成线性分布。 1像元光谱相似性
常温下，物体无法辐射可见光和短波红外，依靠反射辐射成像。地面物体反射率随波长的变化规律被弥为反射波谱，利用反射波谱差别可以区分物体。用(z，y）表示物函数，g(r，y）表示像函数（即像元光谐），对线性成像系统有
g(a,y) =
f(e,p)h(x-E,yp)ded
=f(r, y) Xh(r, y)
其中：工，y)被称为点扩函数。
作者简介：岳江，1986年生，南京理工大学电子工程与光电技术学院博士研究生
e-mail;mrbilf163.com
★通讯联系人
方方数据
e-mail;190281182@qq.com
(1)