基于超像素稀疏表示的高光譜遙感圖像分類原理分析

韓雪

【摘 要】稀疏表示理論已被廣泛用于圖像分類任務(wù)，在遙感圖像領(lǐng)域內(nèi)高光譜圖像的分類也適用于稀疏表示分類;另一方面，超像素的分割結(jié)果對于類特征的提取具有重要的意義，因此將超像素計算與稀疏表示分類相結(jié)合可以有效地提高遙感圖像分類的精度。

【關(guān)鍵詞】稀疏表示分類;超像素;高光譜圖像

中圖分類號： TP391.41 文獻(xiàn)標(biāo)識碼： A 文章編號： 2095-2457（2019）26-0122-001

DOI：10.19694/j.cnki.issn2095-2457.2019.26.057

目前，各種遙感數(shù)據(jù)呈現(xiàn)海量式的增長，但遙感圖像包含不同波段的矩陣，數(shù)據(jù)包含信息更為復(fù)雜，其特有的成像機(jī)理使人工解譯變得極為困難。對于理解遙感圖像的步驟，正常情況分為兩個宏觀的方面，其一是分類，這個是前提，然后才是理解。雖然這些步驟極為簡單，但是這其中涉及到的技術(shù)就很多了，其中圖像分類提取技術(shù)最為關(guān)鍵，它是核心，通過它，才能進(jìn)行后面的操作，比如相關(guān)知識的表達(dá)，和相對應(yīng)的推理、匹配技術(shù)。由于理解較為復(fù)雜，因此對于知識的運用程度以及范圍都有著較為嚴(yán)格的劃分。當(dāng)然，關(guān)于完成任務(wù)的難易程度也會有相應(yīng)的劃分。根據(jù)劃分，遙感圖像的理解被分為兩個部分，其一為低級處理部分，這部分較為簡單，對于技術(shù)的要求不是太高，主要是關(guān)于圖像輸入、糾正等方面。其二是中級處理部分，相較于前者，這部分對于技術(shù)的要求也會相應(yīng)地提高，主要是關(guān)于圖像的分類等方面。最后便是高級處理，這個步驟涉及的技術(shù)最多，要求也更為嚴(yán)格，因為提煉知識、識別目標(biāo)等處理流程對于自身綜合素質(zhì)的要求非常高，所運用的知識更為復(fù)雜、繁多。雖然中級處理要求自身素質(zhì)較低，但是其中的圖像分類確實承上啟下的重要步驟，因為它是遙感圖像理解的關(guān)鍵過程。遙感圖像的分類也是有相應(yīng)的劃分依據(jù)的，其中包括光譜、空間、時間等特性。因此，如何對獲取的大量遙感數(shù)據(jù)進(jìn)行自動解譯就變得十分重要。高光譜遙感影像不僅具有普通影像具有的地物圖像信息，而且包含豐富的對應(yīng)地物類別的光譜信息，因此，利用高光譜影像可實現(xiàn)更離精度的影像分類，滿足實際應(yīng)用和生產(chǎn)的需要。高光譜的分類也是一項比較復(fù)雜的項目，因為它涉及的知識點非常的廣泛，其中既包括統(tǒng)計學(xué)的知識，又涉及形態(tài)學(xué)理論，對于數(shù)據(jù)的敏感度要求較高。

1 稀疏表示分類原理

近年來，信號和圖像處理等領(lǐng)域大多數(shù)使用稀疏模型。該模型主要依附于基或字典中很少量元素的組合來完成，并且組合的方式主要是線性組合。完備圖像稀疏表示是近年來又一新的研究方向和熱點。隨著完備稀疏表示理論的進(jìn)一步研究和完善，其眾多方法被用于計算機(jī)視覺的任務(wù)當(dāng)中：圖像檢索，語義理解，場景分類，目標(biāo)檢測等，這與遙感影像分類的任務(wù)不謀而合，可以相信，超完備圖像稀疏表示理論的研究將會成為圖像關(guān)聯(lián)領(lǐng)域的智能化分析和理解的重要手段。遙感圖像地物電磁波輻射的多段測量值構(gòu)成的光譜特征，經(jīng)常用來作為衡量遙感圖像分類的基標(biāo)準(zhǔn)。它既可以反映圖像的空間分布信息，又可以顯示出結(jié)構(gòu)信息的紋理特征?；谏鲜霰硎?，它可以作為遙感圖像分類的有益補(bǔ)充，特別是在特征空間這方面。眾多成功的應(yīng)用中，基于稀疏表示的圖像分類受到了各方面的極大關(guān)注。研究表明，從視覺神經(jīng)元的機(jī)理來看，自然圖像是可以稀疏表示的。提出一個基于稀疏表示的分類方法（Sparse Representation based Classification，SRC），此類方法假設(shè)測試樣本能被同類目標(biāo)成功地表示。簡單地說，SRC就是利用訓(xùn)練樣本之中的固有屬性以及它的線性特征，通過計算得出線性表示系統(tǒng)的重要參數(shù)——稀疏表示系數(shù)，之后再結(jié)合訓(xùn)練樣本計算得出每類的重構(gòu)誤差，最后再把測試樣本放入最小重構(gòu)誤差的類別。計算出眾多研究表明自然圖像能夠被稀疏表示，并且稀疏表示理論能夠很好地完成圖像分類任務(wù)。

2 超像素計算策略分析

超像素是圖像經(jīng)過初步劃分，然后得到的同質(zhì)區(qū)域。其劃分依據(jù)主要是紋理、顏色、亮度以及他們的相鄰像素。這種根據(jù)特征的相似程度進(jìn)行的像素分組，可以抽象出圖像的更高層的組合信息，而且一般不會破壞圖像中真實的邊界信息。超像素算法提取了圖像中符合認(rèn)知規(guī)律的同質(zhì)區(qū)域，集合了像素的群體特征，為進(jìn)一步的圖像分析和理解提供了更豐富的知識。現(xiàn)有的基于像素的處理算法經(jīng)過超像素操作，可以大大降低其復(fù)雜性，還可以節(jié)省大量的時間。由于優(yōu)點明顯，國內(nèi)外都將其視為關(guān)鍵技術(shù)。因此，超像素的思想被應(yīng)用到了許多計算機(jī)視覺任務(wù)的前期處理中，它對于圖像的分割，圖像識別和分類，以及目標(biāo)定位等眾多應(yīng)用都有深遠(yuǎn)的意義。

3 基于超像素的高光譜圖像稀疏表示分類原理

稀疏表示分類需要立足于高維復(fù)合特征融合與稀疏表示的字典學(xué)習(xí)并以此為切入點，將解決遙感影像語義特征學(xué)習(xí)與分類有機(jī)的融合并統(tǒng)一起來為基本目標(biāo)，結(jié)合仿真分析和原型實現(xiàn)，系統(tǒng)性地研究遙感圖像分類和描述的核心過程和相應(yīng)的關(guān)鍵問題。一方面，重點對底層特征構(gòu)建同質(zhì)超像素的完備集合進(jìn)行研究，通過對多種分割策略進(jìn)行對比分析，獲取同質(zhì)區(qū)域特性為基礎(chǔ)的弱類屬性;超像素計算可以在降維的基礎(chǔ)上進(jìn)行計算，降低時間消耗。另一方面，利用圖像稀疏表示理論和方法并結(jié)合遙感影像的多紋理，多源特點，重點研究具有適應(yīng)性的稀疏表示模型的構(gòu)建和最優(yōu)化求解問題，選取少量標(biāo)記樣本作為訓(xùn)練的字典，以超像素分割區(qū)域為基礎(chǔ)建立重構(gòu)矩陣，可以依據(jù)鄰近區(qū)域，整體超像素等多樣化的策略定義重構(gòu)矩陣，利用貪婪匹配方法并尋找最佳稀疏表示系數(shù)，提出實時性比較好、魯棒性比較強(qiáng)的高光譜圖像分類方法。

【參考文獻(xiàn)】

[1]羅學(xué)剛，呂俊瑞，彭真明.超像素分割及評價的最新研究進(jìn)展[J].激光與光電子學(xué)進(jìn)展，2019，56（9）.

[2]李鐵，孫勁光，張新君，et al.基于分層稀疏表示特征學(xué)習(xí)的高光譜圖像分類研究[J].激光與光電子學(xué)進(jìn)展，2016，53（9）.

[3]盧佳，保文星.基于獨立空譜殘差融合的聯(lián)合稀疏表示高光譜圖像分類[J].計算機(jī)工程，2019，45（01）：252-258.