第36卷，第4期 2016年4月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 36,No. 4pp1158-1162
April,2016
基于空-谱约束的中馆过程混合模型高光谱图像聚类方法舒阳，李京1.2*，何，唐宏.2，王娜，2，慎利”，杜红悦
1.北京师范大学地表过程与资源生态国家重点实验室，北京100875 2北京师范大学环境演变与自然灾害教育部重点实验室，北京100875
3西南交通大学地球科学与环境工程学院，四川成都611756 4.中华测绘技术服务公司，北京100088
摘要高光谱图像分类是高光谱研究的重要内容，也是许多其他应用的前提，针对传统高光谱图像分类仅考虑光谱信息而忽略空间信息的间题，对距离依赖的中餐馆模型（distancedependentChineserestaurant process，ddCRP)进行改进，提出一种基于空-谱约束的中餐馆过程混合模型（spatial-spectral Chineserestau-mtprocess，ssCRP)用于高光谱图像聚类。该模型充分考虑像素邻域的空间和光谱信息，并将其统一纳人模型的建模及求解过程中，得到一般基于像素的聚类方法无法实现的效果，可在一定程度上满足高光谱图像聚类分析的需求。首先，为利用高光谱图像的空间和光谱信息，定义基于像系空间距离和光谱角的指数衰变函数作为像素间相似性的度量。然后，在考虑像素相似性的基础上利用基于餐桌的构造形式为每个像素确定所在的餐桌，最后，对每张餐桌分配一道菜作为聚类类别，从而达到聚类的目的。利用航空可见-近红外成像光谱仪AVIRIS高光谱影像评估该模型性能，实验结果表明：SsCRP模型可较好地实现高光谱图像的自动
时，分类结果的地物间边界清晰，能很好保持图像边缘。关键调高光谱遥感；中餐馆过程；聚类
中图分类号：TP751
文献标识码：A
引言
DOI : 10. 3964/j. issn. 1000-0593 (2016 X04-1158-05
谱合一的性质，使得聚类结果“椒盐效应”严重。因此，综合考虑空间和光谱信息进行高光谱影像聚类分析成为重要的研究方向。目前利用空间和光谱信息的方法可分为基于分制和
高光谱影像具有光谱分舞率高、波段数量多、光谱信息丰富的特点，能够充分反映地物的微小差异，广泛应用于精细农业、生态环境等领域。高光谱影像分类作为这些应用的前提，包括监督分类和非监督分类（聚类)两大类。其中监督分类方法精度高，但由于高光谱影像特征多，存在“Hughes现象"[3]，需要大量高质量的样本用于分类器学习，增加了应用的难度
高光谱影像聚类可从数据中自动发现类别信息，而无需任何样本，因此当无法获取可靠样本时具有重要作用，其中 K-means和ISODATA是两种最常用的聚类方法。传统基于像素的聚类方法仅利用高光谱影像的光谱信息，忽略了其图
收稿日期：2014-12-13，修订日期：2015-03-19
基于邻域两大类方法，Lee等提出一种高光谱影像层次聚类方法，利用区域增长算法分制出均质区域，然后对分制割体进行聚类"}。Tarabalka等提出一种空间约束的高光谱影像分类方法，首先采用传统基于像系的方法得到的预分类图，然后通过分割体对预分类图进行最大值投票确定每个分割体的类别，形成具有较高空间一致性的分类结果]。基于分割的方法通过形成均质的分制体引入空间关系，使得分类结果严重依赖分制结果，而如何形成最佳分割结果尚无有效策略。基于邻域的方法直接对像素间的空间和光谱关系进行建模，回避了图像分割的问题。Alhichri等通过引人马尔科夫随机场建立像素间的空间相关性模型，实现光谱与空间信息的统
（0）自（国
(2012BAH12B01，2012BAH12B03)和国家白然科学基金项目(41401374)资助
作者简介：舒阳，1987年生，北京师范大学减灾与应急管理研究院博士研究生
*通讯联系人
e-mail : lijing bnu, edu, cr
e-mail : sy sur@ mail. bnu. edu. en