2010年9月7日，应地表过程与资源生态国家重点实验室副主任陈晋教授的邀请，澳大利亚新南威尔士大学工程与信息技术学院高级讲师贾秀萍博士来室访问，并在北京师范大学化学楼二层学术报告厅做了题为“Automatic feature selection for effective cluster space classification of hyperspectral data”的讲座。本次讲座也是本学期《学科前沿讲座》的首次课程。讲座由曹鑫博士主持，共有来自于资源学院、民政部/教育部减灾与应急管理研究院、地理与遥感科学学院和生命科学学院的30余位师生参加。

 

在讲座中，贾老师首先深入浅出地介绍了高光谱数据的概念、特点并回顾了在对高光谱数据进行信息处理时的传统表达方式及处理方法。在这些方法中，贾老师首先介绍了在光谱空间内表达单个像元的反射率的情况，并介绍了在这种表达方式下识别地物的方式curve matching（光谱匹配）。第二种常用方法为在特征空间内进行信息表达，在这种情况下，常采用的分类方法为point analysis（点聚类分析）。在进行point analysis的过程中，常用的几种分类器有平行六面图体（parallelepiped）、光谱角（spectral angles）、最小距离（minimal distance）、最大似然（maximum likelihood）、支撑向量机（support vector machines）等。在介绍这一类方法时，贾老师特别介绍了Hughes效应，即当特训练样本数与波段数比值降低时，在训练样本数保持不变的情况下，若考虑过多的特征，分类精度反而略有下降。传统的第三种信息表达方式为在图像的二维空间内进行信息表达，在这种情况下采用的信息处理方法一般为邻域处理（neighborhood processing），譬如图像平滑、锐化及边缘提取等。

本次讲座的重点部分为贾秀萍博士近期研究的重点方向，即在“cluster space”（聚类空间）内进行高光谱信息的表达和处理的方法。贾老师介绍了cluster（聚类）的概念、如何定义及自动生成cluster、cluster的空间分离度指标等，还介绍了cluster表达高光谱信息的方法：cluster index，并指出其在信息表达方面的优势。为使参加讲座的师生进一步理解这种方法，贾老师利用三个实例来阐明cluster space在信息处理方面的优势。首先介绍了利用cluster space进行分类的方法cluster space classification（CSC），在这一案例中，贾老师通过目标函数的讲解来阐明利用cluster进行分类的基本原理，接着利用模拟数据来表明CSC相对于传统分类方法的优势。此外，贾老师还介绍了cluster space在快速K-NN变换、数据传输等方面的应用。在讲座的最后，贾老师指出了利用cluster space进行分类时的限制，譬如该方法对噪音较为敏感、cluster的最佳个数取决于先验知识或经验等。

讲座现场		讲座现场

讲座的最后，贾老师就cluster-space classification与面向对象的分类方法之间的联系、CSC目标函数的修订、分类后精度评价等问题，与在座的师生展开了细致热烈的讨论。

贾秀萍博士在遥感图像处理与分类、高光谱数据分析及特征提取方面建树颇丰，此次讲座亦是言简意赅，深入浅出，不仅使遥感专业的同学受益匪浅，同时也很好地照顾到非专业出身的同学，为各专业师生在利用高光谱数据进行研究方面提供了一次难得的学习和交流机会。

 

地表过程与资源生态国家重点实验室