晁拴社，楚恒

（1.重庆邮电大学，重庆 400065； 2.重庆市勘测院，重庆 400020）

基于稀疏MK-LSSVM的高光谱图像不平衡分类

晁拴社1，2∗，楚恒1，2

（1.重庆邮电大学，重庆 400065； 2.重庆市勘测院，重庆 400020）

针对高光谱图像分类中没有考虑高光谱数据地物种类复杂、数据规模较大以及样本分布不规则而导致的少数类分类精度较低，分类器鲁棒性差的问题，提出一种基于稀疏多核最小二乘支持向量机（Multiple Kernel Least Squares Support Vector Machine，MK-LSSVM）的高光谱图像不平衡分类方法。该方法先用k均值聚类将多数类的训练样本分为k类，然后利用采样技术对每一群组中的样本进行处理与少数类样本均衡，最后建立最MK-LSSVM分类器。该方法对于MK-LSSVM不稀疏的问题，引入了压缩感知理论对其进行稀疏求解。实验表明本文提出的分类方法提高了少数地物的分类精度，同时减少了标准支持向量机训练样本时间消耗大的问题。

高光谱图像；不平衡分类；稀疏MK-LSSVM；压缩感知

1 引 言

高光谱图像（Hyperspectral Image，HSI）数据有着丰富的光谱信息，可以对地物进行精细的光谱分类，所以近年来被应用在军事勘察、矿业勘测、医学检测等多个领域［1］。由于传统的高光谱图像分类方法没有考虑不平衡分类问题，即没有考虑少数类（像素点少的地物类别）与多数类（像素点多的地物类别）在分类上的不同，从而导致少数类分类精度不高的问题［2］。目前针对不同地物类别中像素点数差距较大即数据不平衡的分类问题主要有两种方法:一种是利用合适的采样技术对训练样本进行预处理。采样……