基于独立分量分析的遥感图像分类技术

遥感图像的自动分类方法一般基于图像的统计信息。多光谱遥感图像之间有着一定的相关性 ,对遥感图像的自动分类有不利影响。一般用主成分分析去除波段之间的相关性。独立分量分析能利用相对主成分分析更高的统计分量 ,不但可以获得去相关的效果 ,而且可以得到相互独立的结果波段图像。本文首先讨论了独立分量分析的基本原理。在此基础上 ,介绍FastICA算法 ,并对其进行改进 ,得到M FastICA算法 ,并将其应用到遥感图像的分类上。实验结果表明 ,M FastICA算法较FastICA算法收敛性大为改善 。

基于核空间的多光谱遥感图像分类方法

提出了多光谱遥感图像分类方法中解决非线性问题的一种思路。通过引入核空间理论 ,将在输入空间中不能线性分类的问题映射到一个可以进行线性分类的高维空间 ,并利用核函数避免了在高维空间中运算的复杂度 ,较好地解决了非线性分类问题。利用这种思路 ,本文对一种比较简单的分类算法———自适应最小距离分类方法加以改进 ,并将其应用于多光谱遥感图像的分类中 ,提出了一种核函数的选择策略。实验表明 ,这种策略更有利于多光谱遥感图像的分类 ,在训练速度降低较少的情况下 。