论文部分内容阅读
本文以概率主题模型为主线，研究了将概率主题模型引入到高分辨率遥感影像分析所面临的问题，提出相应的解决思路，并形成基于概率主题模型的遥感影像分析的基本流程。在该基本流程的基础上，本文也应用概率主题模型来实现高分辨率遥感影像的聚类分析，并结合半监督学习方法实现高分辨率遥感影像的分类应用。
本文首先简要介绍高分辨率遥感影像在影像聚类分析、分类算法发展的历史和发展现状，提出在高分辨率遥感影像分析中引入概率主题模型语义分析的思想；在介绍概率主题模型基本原理的基础上，本文分析了将概率主题模型应用于遥感影像分析所面临的问题，并针对概率主题模型应用于遥感影像分析时面临的影像文档生成、视觉词的设计以及主题个数的选择等问题提出了一定的解决思路，最终形成基于概率主题模型遥感影像分析的基本流程；在概率潜语义分析模型(PLSA)与潜狄里克雷分配模型(LDA)的基础上，本文通过影像文档的重叠来引入空间关系信息，从而形成NSPLSA与NSLDA两种新型的遥感影像聚类算法；在基于概率主题模型的遥感影像聚类分析基础上，本文利用半监督学习来引入类别信息，最终构建基于SS-LDA算法的高分辨率遥感影像分类方法。
本文采用基于概率主题模型遥感影像分析的基本流程，分析了不同大小视觉词对遥感影像分析的影响，最终确定将像元视为视觉词的最小单元可在一定程度上保证高分辨率遥感影像分析的精度。然后，通过影像文档的重叠来引入空间关系信息，最终形成NSPLSA与NSLDA两种新型的遥感影像聚类算法。通过实验证明，NSPLSA与NSLDA算法可引入视觉词之间的空间关系与语义信息，能较好地区分全色影像中的阴影与水体，在一定程度上解决遥感影像中的“同谱异物”问题。
在基于概率主题模型的高分辨率遥感影像聚类分析的基础上，本文通过半监督学习最典型的生成模型方法来引出基于概率主题模型的半监督分类(SS-LDA)算法，并分析了SS-LDA利用小样本进行分类研究的参数求解方法。在借鉴SS-LDA算法在文本识别应用的流程的基础上，本文构建了基于SS-LDA算法的高分辨率遥感影像分类的基本流程。通过实验证明，相对于传统的非监督分类与监督分类算法，SS-LDA算法能够获取较高精度的影像分类结果。