基于多元互信息和快速稀疏多核学习的高光谱遥感影像地物分类

Currently, some difficulties are encountered in land-cover classification of hyperspectral remote sensing images, such as high computation complexity, Hughes phenomenon, and low utilization rate of band synergy. The key problem is lack of effective band measure and independent of current classification task. Multivariate mutual information just provides a solution for band measure. Thus, this project aims to establish a novel multivariate mutual information measure to describe band synergy. Based on this measure, a task-driven hyperspectral band selection method is constructed. Compared with the widely-used framework based on redundancy measure, this method considers band redundancy and band synergy simultaneously. Moreover, a fast sparse multiple kernel learning model is established to select the best combination of kernel parameters in classifiers adaptively. It achieves fast and accurate land-cover classification . This project has potential significance and instruction for hyperspectral remote image classification and recognition.

目前高光谱遥感影像地物分类存在计算复杂度高、Hughes现象及波段协作性难以利用的难题。其核心在于波段间缺乏有效的测度及脱离了当前的分类任务。而多元互信息测度则为其测量提供了一种有效的途径。为此，本项目拟建立描述波段协作性的多元互信息测度。在此基础上，构造以任务为驱动，同时考虑冗余性和协作性的高光谱波段选择方法，突破了目前普遍采用的以冗余性测量为主的波段选择框架；此外，建立快速稀疏多核学习模型，给出自适应选择分类器最优核参数组合的方法，达到快速精确的地物分类目的。本项目可为高光谱遥感影像的分类与识别提供潜在的应用价值和指导意义。

高光谱影像较高的光谱分辨率，能够为地物的划分和辨别提供充分的信息，但给数据的处理带来了巨大的挑战。高光谱波段选择方法能够降低波段数目，但已有的波段选择方法普遍采用以冗余性测度为主的方式，难以利用波段之间的协作性且脱离了当前的分类任务。为此，本课题重点研究：（1）提出了一种基于辨别核聚类的多核学习方法。通过考虑类内和类间相关性引入辨别信息，定义了一种新的辨别核排列测度。这种测度不仅能够评估核之间的冗余性，还可以评估核之间对于分类的协作性。针对核规模过大的问题，设计了一种基于辨别核排列的近邻聚类方法。对于辨别核聚类方法的必要性，从理论上给出了分析。（2）在完全缺乏标签信息指导下，为了尽可能的保留原始波段包含的信息，定义了一个最大联合互信息准则。该准则能够在信息论角度给无监督波段选择提供一个统一的框架。为了有效计算该准则，提出了一种高辨别低冗余的准则来低阶近似该准则。从信息论角度证明了已有的无监督特征选择准则也是最大联合互信息准则的低阶近似，并且提出的准则所需近期条件更加宽松。此外，对于有标签样本少量存在的情况下，将提出的准则扩展到半监督学习，能够利用这些少量有标签样本进一步提高波段选择性能。（3）设计了一种自适应正则的边界栈式自编码网络模型。在模型的预训练阶段，通过考虑超像素区域的空间上下文信息，定义了一种自适应的空间正则约束。该约束能够利用大量无标签的近邻样本，缓解深度模型的过拟合问题；在模型的微调阶段，选择基于几何属性的边界样本调节网络模型，缓解训练样本不足引起的对模型不精确评估的问题。在项目资助下，项目组发表科研论文15篇，其中13篇SCI检索；出版著作1部；申请国家发明专利7项，其中授权1项。项目组培养毕业硕士生1名，在读硕士生7名。研究成果有望推动高光谱遥感图像解译理论和技术的发展，促进高光谱图像军事和民用领域应用的深入。