夏列钢，王卫红，胡晓东，骆剑承

1.中国科学院 遥感应用研究所，北京100101；2.浙江工业大学 计算机科学与技术学院／软件学院，浙江 杭州310023；3.中国科学院研究生院，北京100049

图像分类中基于核映射的光谱匹配度量方法

夏列钢1，3，王卫红2，胡晓东1，骆剑承1

1.中国科学院 遥感应用研究所，北京100101；2.浙江工业大学 计算机科学与技术学院／软件学院，浙江 杭州310023；3.中国科学院研究生院，北京100049

针对多光谱遥感数据特点利用SSV匹配技术改进高斯核函数得到新的KSSV函数，然后在由KSSV核函数映射得到的高维空间中利用SAM匹配技术代替基于欧氏距离的相似性度量。如此可以充分挖掘多光谱影像中的波谱特征信息并有效利用，提高模式识别方法应用的有效性。将此方法分别应用于非监督分类（k均值）与监督分类（最小距离、SVM）的试验表明，改进度量的分类方法可显著提高地类间的可区分度并有效降低类内的不一致性，更有效针对多光谱遥感影像中的地物类型，获得较好的精度改进。

相似性度量；光谱匹配；核映射；k均值聚类；支撑向量机

1 引 言

在遥感影像，特别是多光谱影像分类中，光谱特征是分类的重要依据，而在选定特征后，相似性度量是重要的分类判据，因此，作为度量光谱相似性的重要方法，光谱匹配技术得到了广泛的应用与研究［1－2］。由于遥感图像分类多基于模式识别的方法，现有分类方法中的相似性度量主要基于欧氏距离，这往往会忽略地物光谱曲线上的特点（如吸收谷、反射峰、红边等），也有学者引进余弦相似度、相关系数等手段来改善，特别是在高光谱影像分类中效果比较明显［3］。……