高光譜遙感影像聯合字典學習與分類研究

《高光譜遙感影像聯合字典學習與分類研究》是依託南京大學，由杜培軍擔任項目負責人的面上項目。

基本介紹

• 中文名：高光譜遙感影像聯合字典學習與分類研究
• 項目類別：面上項目
• 項目負責人：杜培軍
• 依託單位：南京大學

項目摘要

作為稀疏表達的重要內容，聯合字典學習旨在建立具有重建能力和判別能力的字典和同步學習分類器，以提升分類性能。本項目針對高光譜遙感信息機理和影像特點，構建基於聯合字典學習的高光譜遙感影像分類框架，實現三個有效的分類算法。首先，提出主動半監督聯合字典學習方法，利用主動學習為半監督學習選擇信息量大、無偏的未標記樣本，使字典學習過程更有效，獲得更好的字典和分類器。其次，構建先驗知識引導、結構化稀疏誘導的聯合字典學習方法，充分挖掘先驗知識和規則，克服稀疏誘導規則的盲目性。第三，提出類別依賴的聯合亞字典學習方法，利用較少的已標記樣本獲得對類別足夠好的表達力，提高計算效率，避免字典冗餘現象。項目從樣本有限性、模型判別性和算法效率三個角度全面提升聯合字典學習用於高光譜影像分類的性能。研究成果將拓展基於聯合字典學習的高光譜影像分類方法，促進稀疏表達在遙感影像處理中的套用，推進高光譜數據的行業套用。

結題摘要

面向高光譜遙感圖像處理與信息提取的需求，以稀疏表達與字典學習為基礎理論，構建了基於稀疏表達的高光譜影像聯合字典學習與分類方法體系，針對分類中樣本有限性、模型判別性和算法效率三個難點，研究了多特徵與多任務學習、多屬性稀疏特徵描述與表達、核選擇與多核學習、兩步最佳化策略、多模型稀疏特徵融合表達、字典更新策略、語義稀疏字典構建與表達、流數據與線上字典更新、協同稀疏圖嵌入等關鍵技術，提出了針對有限樣本的主動半監督聯合字典學習、考慮先驗知識的結構化誘導聯合字典學習、考慮區域特徵並能夠提高效率的亞字典聯合學習等處理策略，在特徵多樣性稀疏表達、模型多樣性稀疏表達、稀疏字典完備性、稀疏判別性等典型高光譜圖像處理任務建立了有效的算法模型和處理流程，結合城市/農用地土地覆蓋分類、城市功能區劃分等實例進行定性、定量評價，提高了分類精度、效率和可靠性，提升了高光譜遙感影像稀疏表達和字典學習的套用水平。圍繞項目研究，在IEEE Transactions on Geoscience and Remote Sensing、IEEE Journal of Selected Topics in Signal Processing、IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing、IEEE Geoscience and Remote Sensing Letters等國際權威期刊發表SCI論文10篇，《遙感學報》發表研究論文1 篇，在國際會議發表論文6篇，培養博士生4人、碩士生3人，獲得軟體著作權2項。