本文關(guān)鍵詞：基于最小正則化子空間高光譜分類(lèi)算法的研究

  更多相關(guān)文章： 高光譜圖像 正則化 分類(lèi)算法 空間信息

【摘要】：高光譜圖像技術(shù)的不斷發(fā)展,使我們能夠輕松獲得豐富的地物信息。而圖像分類(lèi)作為高光譜圖像處理之中重要的一環(huán),受到了極大的關(guān)注。最小正則子空間分類(lèi)算法,一種基于線性表達(dá)的模型,它將原有的聯(lián)合表達(dá)空間模型引入吉洪諾夫正則因子來(lái)用于高光譜數(shù)據(jù)分類(lèi)決策,使得整個(gè)線性模型對(duì)訓(xùn)練數(shù)據(jù)擬合的更好。通過(guò)研究發(fā)現(xiàn),在最小正則子空間分類(lèi)模型之中,存在一些明顯不足,基于歐氏距離的吉洪諾夫正則化因子不能從光譜的結(jié)構(gòu)上對(duì)光譜的差異性進(jìn)行有效衡量,同時(shí)此模型在建立決策分類(lèi)時(shí)僅僅考慮到高光譜圖像數(shù)據(jù)譜間的特征,造成空間結(jié)構(gòu)信息的浪費(fèi)等。因此,本文針對(duì)這些問(wèn)題提出三個(gè)方面的改進(jìn)：第一,原有基于歐氏距離的相似度衡量不能準(zhǔn)確的反映光譜向量之間的關(guān)系,特別是相同物質(zhì)之間,差別細(xì)微。通過(guò)引入其他光譜相似衡量,如光譜角度衡量,光譜信息散度等,提高了整個(gè)算法性能。第二,針對(duì)目前分類(lèi)模型僅僅考慮到高光譜圖像數(shù)據(jù)譜間的特征,忽略了高光譜圖像中結(jié)構(gòu)信息的重要性,提出了基于譜間和空間信息模型結(jié)合的高光譜圖像分類(lèi)模型算法。深入研究馬爾科夫隨機(jī)場(chǎng)模型,將其應(yīng)用于最小正則子空間分類(lèi)算法,實(shí)現(xiàn)了對(duì)圖像的不同物質(zhì)進(jìn)行更精確的劃第三,依據(jù)領(lǐng)域系統(tǒng),將周?chē)袼亟Y(jié)合起來(lái)實(shí)現(xiàn)對(duì)中心的聯(lián)合表達(dá),同時(shí)自適應(yīng)減弱與中心像素點(diǎn)差異太大的像素對(duì)表達(dá)的影響,本文中采用高斯模型來(lái)呈現(xiàn)整個(gè)空間信息的表達(dá)。提高了模型的分類(lèi)性能,為空間結(jié)構(gòu)信息在高光譜圖像分類(lèi)處理中的應(yīng)用提供一個(gè)方向。
【關(guān)鍵詞】：高光譜圖像 正則化 分類(lèi)算法 空間信息
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP751
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 第一章 緒論13-23
• 1.1 高光譜遙感圖像技術(shù)簡(jiǎn)介13-16
• 1.2 高光譜圖像技術(shù)發(fā)展及國(guó)內(nèi)外研究狀況16-19
• 1.2.1 高光譜圖像及其相關(guān)16-17
• 1.2.2 光譜圖像處理的發(fā)展現(xiàn)狀17-18
• 1.2.3 國(guó)內(nèi)外高光譜圖像的研究狀況18-19
• 1.3 高光譜圖像分類(lèi)技術(shù)19-21
• 1.4 課題的主要研究?jī)?nèi)容和結(jié)構(gòu)安排21-23
• 第二章 基于光譜不同相似度衡量的最小正則子空間分類(lèi)模型23-35
• 2.1 最小正則子空間分類(lèi)算法理論23-24
• 2.2 不同相似度衡量方式介紹24-27
• 2.2.1 光譜角度衡量(SAM)25
• 2.2.2 光譜信息散度(SID)25-27
• 2.2.3 正交子空間投影散度(OPD)27
• 2.3 高光譜圖像介紹及實(shí)驗(yàn)結(jié)果27-33
• 2.3.1 實(shí)驗(yàn)數(shù)據(jù)簡(jiǎn)介27-29
• 2.3.2 實(shí)驗(yàn)結(jié)果及評(píng)價(jià)29-33
• 2.4 本章小結(jié)33-35
• 第三章 與馬爾科夫隨機(jī)場(chǎng)融合的最小正則子空間分類(lèi)模型35-53
• 3.1 馬爾科夫隨機(jī)場(chǎng)介紹35-38
• 3.1.1 領(lǐng)域系統(tǒng)介紹35-37
• 3.1.2 馬爾科夫隨機(jī)場(chǎng)定義37-38
• 3.2 圖割算法簡(jiǎn)介38-41
• 3.3 概率模型的建立41
• 3.4 高光譜圖像介紹及實(shí)驗(yàn)結(jié)果41-51
• 3.4.1 高光譜圖像數(shù)據(jù)41-42
• 3.4.2 實(shí)驗(yàn)分類(lèi)效果42-51
• 3.5 本章小結(jié)51-53
• 第四章 結(jié)合光譜空間信息的協(xié)同表達(dá)分類(lèi)模型53-63
• 4.1 基于高斯模型的權(quán)值表達(dá)53-55
• 4.2 高光譜圖像介紹和分類(lèi)結(jié)果55-60
• 4.2.1 實(shí)驗(yàn)數(shù)據(jù)及比較算法55
• 4.2.2 實(shí)驗(yàn)分類(lèi)效果55-60
• 4.3 本章小結(jié)60-63
• 第五章 結(jié)論與展望63-65
• 5.1 結(jié)論63
• 5.2 展望63-65
• 參考文獻(xiàn)65-69
• 攻讀碩士期間所發(fā)表的論文69-71
• 致謝71-73
• 作者和導(dǎo)師簡(jiǎn)介73-74
• 北京化工大學(xué)碩士研究生學(xué)位論文答辯委員會(huì)決議書(shū)74-75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張達(dá);鄭玉權(quán);;高光譜遙感的發(fā)展與應(yīng)用[J];光學(xué)與光電技術(shù);2013年03期

2 蘇紅軍;盛業(yè)華;;基于正交投影散度的高光譜遙感波段選擇算法[J];光譜學(xué)與光譜分析;2011年05期

3 高恒振;萬(wàn)建偉;粘永健;徐湛;許可;;一種基于譜域-空域組合特征支持向量機(jī)的高光譜圖像分類(lèi)算法[J];宇航學(xué)報(bào);2011年04期

4 徐州;趙慧潔;;基于光譜信息散度的光譜解混算法[J];北京航空航天大學(xué)學(xué)報(bào);2009年09期

5 李志忠;楊日紅;黨福星;張顯峰;譚炳香;趙慧潔;;高光譜遙感衛(wèi)星技術(shù)及其地質(zhì)應(yīng)用[J];地質(zhì)通報(bào);2009年Z1期

6 楊國(guó)鵬;余旭初;馮伍法;劉偉;陳偉;;高光譜遙感技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀[J];測(cè)繪通報(bào);2008年10期

7 韓建峰;楊哲海;;組合分類(lèi)器及其在高光譜影像分類(lèi)中的應(yīng)用[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2007年03期

8 劉漢湖,楊武年,沙晉明;高光譜分辨率遙感在地質(zhì)應(yīng)用中的關(guān)鍵技術(shù)及前景[J];世界地質(zhì);2004年01期

9 楊哲海,韓建峰,宮大鵬,李之歆;高光譜遙感技術(shù)的發(fā)展與應(yīng)用[J];海洋測(cè)繪;2003年06期

10 崔廷偉,馬毅,張杰;航空高光譜遙感的發(fā)展與應(yīng)用[J];遙感技術(shù)與應(yīng)用;2003年02期

，

本文編號(hào)：1021439