本文關(guān)鍵詞：高光譜圖像稀疏流形學(xué)習(xí)方法研究

  更多相關(guān)文章： 高光譜圖像 地物分類(lèi) 特征提取 稀疏流形學(xué)習(xí) 圖嵌入

【摘要】：高光譜圖像是由成像光譜儀記錄地物對(duì)電磁波的反射值而獲取,包含從可見(jiàn)光到近紅外范圍內(nèi)的數(shù)十上百個(gè)連續(xù)且狹窄的波段。高光譜圖像光譜分辨率高,可辨識(shí)細(xì)微差異的地物,目前已廣泛應(yīng)用于環(huán)境監(jiān)測(cè)、精準(zhǔn)農(nóng)業(yè)、目標(biāo)識(shí)別和地物分類(lèi)等領(lǐng)域。在高光譜圖像分類(lèi)中,傳統(tǒng)分類(lèi)方法因數(shù)據(jù)量大、波段數(shù)多、波段間的相關(guān)性強(qiáng)而導(dǎo)致“維數(shù)災(zāi)難”。因此,如何減少波段數(shù)且不丟失有用信息是目前高光譜圖像分類(lèi)領(lǐng)域的研究前沿與熱點(diǎn)。特征提取是減少高光譜圖像波段數(shù)的有效方法,能獲得有用的內(nèi)在信息,可有效改善分類(lèi)結(jié)果。論文在流形學(xué)習(xí)、圖嵌入和稀疏表示等理論的基礎(chǔ)上,重點(diǎn)開(kāi)展了基于稀疏流形學(xué)習(xí)的高光譜圖像特征提取方法研究。主要研究工作如下:(1)根據(jù)高光譜圖像的特點(diǎn)及其面臨的挑戰(zhàn),引出特征提取在高光譜圖像分類(lèi)中的優(yōu)勢(shì)。然后系統(tǒng)地介紹了高光譜圖像的特征提取和分類(lèi)方法,并回顧了特征提取和分類(lèi)方法的發(fā)展歷程。重點(diǎn)介紹了流形學(xué)習(xí)、圖嵌入和稀疏表示的基本原理和相關(guān)方法,為論文奠定了堅(jiān)實(shí)的理論基礎(chǔ)。最后總結(jié)了高光譜圖像分類(lèi)的精度評(píng)價(jià)指標(biāo)和常用的高光譜數(shù)據(jù)集。(2)深入研究了基于流形學(xué)習(xí)的高光譜圖像特征提取方法。通過(guò)對(duì)流形學(xué)習(xí)方法的分析,引出圖嵌入框架,并詳細(xì)分析了該框架下的邊界Fisher分析(MFA)算法。針對(duì)MFA不能有效表達(dá)具有大量同質(zhì)區(qū)域的高光譜圖像內(nèi)在結(jié)構(gòu)的問(wèn)題,提出局部幾何結(jié)構(gòu)Fisher分析(LGSFA)算法。LGSFA利用數(shù)據(jù)的鄰域和各鄰域的類(lèi)內(nèi)重構(gòu)點(diǎn)來(lái)揭示高光譜圖像的內(nèi)在流形結(jié)構(gòu),增強(qiáng)了特征的表達(dá)性能。在Salinas和Indian Pines高光譜數(shù)據(jù)集上展示了LGSFA算法的有效性。(3)研究了基于稀疏表示的高光譜圖像特征提取方法。對(duì)于圖嵌入框架在構(gòu)圖時(shí)面臨近鄰選取困難的問(wèn)題,提出稀疏保持分析(SPA)算法。SPA根據(jù)稀疏表示的自然鑒別力,能自適應(yīng)地揭示出數(shù)據(jù)間的相似關(guān)系,并通過(guò)稀疏系數(shù)構(gòu)建稀疏圖,提取出更有效的鑒別特征。針對(duì)PaviaU和Urban高光譜數(shù)據(jù)的分類(lèi)實(shí)驗(yàn),SPA比其他相關(guān)方法具有更好的分類(lèi)結(jié)果。在SPA的基礎(chǔ)上,根據(jù)高光譜數(shù)據(jù)的類(lèi)別信息,提出稀疏鑒別學(xué)習(xí)(SDL)算法。SDL通過(guò)稀疏表示揭示出數(shù)據(jù)間的相似性,構(gòu)建類(lèi)內(nèi)稀疏圖和類(lèi)間稀疏圖,并增強(qiáng)同類(lèi)數(shù)據(jù)的相似權(quán)值,進(jìn)而改善非同類(lèi)數(shù)據(jù)間的可分性。在Indian Pines和Urban高光譜數(shù)據(jù)集上的分類(lèi)結(jié)果表明,SDL能更好地表征數(shù)據(jù)的內(nèi)在屬性,提升分類(lèi)精度。(4)根據(jù)流形學(xué)習(xí)和稀疏表示,開(kāi)展了稀疏流形學(xué)習(xí)方面的研究。根據(jù)稀疏流形編碼具有自適應(yīng)地選取來(lái)自同一流形數(shù)據(jù)的特點(diǎn),提出稀疏流形嵌入(SME)算法。SME通過(guò)構(gòu)建稀疏流形圖來(lái)揭示出數(shù)據(jù)的稀疏流形結(jié)構(gòu),進(jìn)而有效地表達(dá)數(shù)據(jù)的內(nèi)在特性。結(jié)合高光譜圖像的類(lèi)別信息,提出稀疏鑒別流形嵌入(SDME)算法。SDME增強(qiáng)了同類(lèi)數(shù)據(jù)的聚集性,提取出更有效的鑒別特征。在Indian Pines和PaviaU高光譜數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,SME和SDME比相關(guān)方法具有更好的分類(lèi)精度。為同時(shí)利用高光譜數(shù)據(jù)的標(biāo)記樣本和無(wú)標(biāo)記樣本,結(jié)合稀疏流形編碼,提出半監(jiān)督稀疏流形鑒別分析(S3MDA)算法。S3MDA利用標(biāo)記樣本和無(wú)標(biāo)記樣本的稀疏系數(shù)分別構(gòu)建了類(lèi)內(nèi)圖、類(lèi)間圖和非監(jiān)督圖,在低維空間中,聚集類(lèi)內(nèi)圖的特性,分離類(lèi)間圖的特征,同時(shí)聚集非監(jiān)督圖的相似性,進(jìn)而得到更好的低維特征。對(duì)于PaviaU和Salinas高光譜數(shù)據(jù)集的分類(lèi)實(shí)驗(yàn),與其他特征提取方法相比,S3MDA能得到更好的分類(lèi)精度。綜上所述,論文主要開(kāi)展了高光譜圖像特征提取方法的研究,在流形學(xué)習(xí)、圖嵌入和稀疏表示的基礎(chǔ)上,逐步深入地構(gòu)建了基于流形學(xué)習(xí)、稀疏表示和稀疏流形學(xué)習(xí)的高光譜圖像特征提取方法,并通過(guò)高光譜數(shù)據(jù)集對(duì)各方法的有效性進(jìn)行了驗(yàn)證。
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP751

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 杜培軍;夏俊士;薛朝輝;譚琨;蘇紅軍;鮑蕊;;高光譜遙感影像分類(lèi)研究進(jìn)展[J];遙感學(xué)報(bào);2016年02期

2 漆成莉;顧明劍;胡秀清;吳春強(qiáng);;風(fēng)云三號(hào)衛(wèi)星紅外高光譜探測(cè)技術(shù)及潛在應(yīng)用[J];氣象科技進(jìn)展;2016年01期

3 李志忠;汪大明;劉德長(zhǎng);劉銀年;趙慧潔;黨福星;;高光譜遙感技術(shù)及資源勘查應(yīng)用進(jìn)展[J];地球科學(xué)(中國(guó)地質(zhì)大學(xué)學(xué)報(bào));2015年08期

4 曹福成;;高分系列遙感衛(wèi)星 布設(shè)中國(guó)太空“慧眼”——我國(guó)高分專(zhuān)項(xiàng)建設(shè)回眸[J];中國(guó)軍轉(zhuǎn)民;2015年01期

5 史劍民;胡秀清;徐文斌;鄭小兵;;風(fēng)云三號(hào)B星中分辨率光譜成像儀響應(yīng)衰變分析[J];大氣與環(huán)境光學(xué)學(xué)報(bào);2014年05期

6 崔毅;危峻;湯瑜瑜;馬亮;;適用于推掃式成像光譜儀的CCD拖尾扣除方法[J];光譜學(xué)與光譜分析;2014年07期

7 孫偉偉;劉春;施蓓琦;李巍岳;;面向高光譜影像分類(lèi)的改進(jìn)局部切空間排列降維[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

8 杜博;張樂(lè)飛;張良培;胡文斌;;高光譜圖像降維的判別流形學(xué)習(xí)方法[J];光子學(xué)報(bào);2013年03期

9 魏峰;何明一;梅少輝;;空間一致性鄰域保留嵌入的高光譜數(shù)據(jù)特征提取[J];紅外與激光工程;2012年05期

10 王立志;黃鴻;馮海亮;;基于SSMFA與kNNS算法的高光譜遙感影像分類(lèi)[J];電子學(xué)報(bào);2012年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 方抗美;;模塊化機(jī)載成像光譜儀光學(xué)系統(tǒng)[A];第六屆成像光譜技術(shù)與應(yīng)用研討會(huì)文集[C];2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 葉珍;高光譜圖像特征提取與分類(lèi)算法研究[D];西北工業(yè)大學(xué);2015年

2 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

3 孫博良;在線半監(jiān)督學(xué)習(xí)理論、算法與應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

4 高陽(yáng);高光譜數(shù)據(jù)降維算法研究[D];中國(guó)礦業(yè)大學(xué);2013年

5 宋相法;基于稀疏表示和集成學(xué)習(xí)的若干分類(lèi)問(wèn)題研究[D];西安電子科技大學(xué);2013年

6 高恒振;高光譜遙感圖像分類(lèi)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

7 馬麗;基于流形學(xué)習(xí)算法的高光譜圖像分類(lèi)和異常檢測(cè)[D];華中科技大學(xué);2010年

8 陳進(jìn);高光譜圖像分類(lèi)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

9 馮海亮;流形學(xué)習(xí)算法在人臉識(shí)別中的應(yīng)用研究[D];重慶大學(xué);2008年

10 李波;基于流形學(xué)習(xí)的特征提取方法及其應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王小攀;基于圖的高光譜遙感數(shù)據(jù)半監(jiān)督分類(lèi)算法研究[D];中國(guó)地質(zhì)大學(xué);2014年

2 路威;全色遙感影像面狀地物半自動(dòng)提取方法的研究[D];中國(guó)人民解放軍信息工程大學(xué);2002年

，

本文編號(hào)：1297211