基于多核稀疏感知的高光谱图像分类模型选择与特征解译

项目名称： 基于多核稀疏感知的高光谱图像分类模型选择与特征解译

项目编号： No.61371180

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 无线电电子学、电信技术

项目作者： 谷延锋

作者单位： 哈尔滨工业大学

项目金额： 85万元

中文摘要： 当前高光谱遥感图像分类研究更多的关注于如何挖掘图-谱信息，设计更为有效的分类器，提高分类性能。而针对高光谱成像探测(光谱、空间信息分布)- - 学习模型- - 地物分类内在联系的科学认知，即模型选择和特征解译问题，研究不足。本课题以高光谱遥感图像分类为对象，基于多尺度多核学习理论和稀疏正则化方法，重点研究：(1)高光谱图像空-谱多特征的多尺度核相似性度量；(2)整合多尺度、稀疏感知和半监督学习的多核学习模型；(3)基于光谱信息和多核稀疏感知的分类模型选择与特征解译；(4)基于空-谱信息和多核稀疏感知的分类模型选择与特征解译。本研究拟借助多核稀疏感知模型，实现空间-光谱信息多核融合，为更有效地提高分类性能提供多核学习模型选择的理论指导和科学依据，进而解决地物分类的光谱、空间特征模型选择与解译的难题。本课题研究对于推动高光谱遥感图像分类问题深层次科学认知和重要应用，具有重要的理论意义和科学价值。

中文关键词： 高光谱遥感；图像处理；地物分类；目标解译；模型选择

英文摘要： Recently, most researches on hyperspectral image classification have paid attentions to how to use and mine spatial-spectral information hidden in hyperspectral data and design more effective classifier so as to improve classification performance. There a

英文关键词： hyperspectral remote sensing；image processing；landcover classification；object interpretation；model selection