17、高光谱影像亚像素映射技术解读

高光谱影像亚像素映射技术解读

1. 亚像素分类与人工合成训练样本

在亚像素分类过程中，输出并非总是整数 1 或 0，而是代表被分配到某一类别的可能性。我们可以将每个亚像素判定为对应输出最大的类别。

对于基于最小二乘支持向量机（LSSVM）的亚像素映射方法，需要训练样本信息。但在实际应用中，先验信息往往未知或难以获取。不过，像建筑物、农林用地和道路等大规模地物具有规则的空间分布特征，在整体视觉上呈现出明显且规则的线性分布状态。

下面分析两幅高光谱遥感地物分类影像的空间分布：
- 农林用地高光谱影像 ：除背景外，高光谱数据包含 16 个类别。从分布情况来看，绝大多数呈现直线类型，包括水平、垂直和斜线方向，还有一些直角折线形状以及极少数不规则形状。
- 圣地亚哥军事影像 ：观察波段 28、19 和 10 的伪彩色影像及其局部放大图，可发现影像中涉及建筑物和道路的大多数大规模地物呈现出明显的线性和直角分布。

基于这些几何特征，提出了一种无需先验信息的人工合成训练样本的几何方法：
- 直线形状样本合成 ：在局部 3×3 窗口中，一条直线（表达式为 (y = \tan h \cdot x + b)）穿过中心像素。直线下方为类别 1，上方为类别 0，中心像素被划分为 (S^2) 个亚像素。(S_1,S_2,\cdots,S_9) 分别表示九个低分辨率像素中类别 1 的比例，通过计算每个像素中阴影部分多边形的面积得到，这些值经归一化后构成训练样本的输入向量。中心像素中量化后的 (S^2) 个亚像素的类别值（当类别 1 的比例超过 50