本文關(guān)鍵詞： 高光譜 分類 稀疏表達(dá) 空間光譜信息 殘差融合　出處：《哈爾濱工程大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：高光譜遙感技術(shù)作為一種前沿技術(shù)在許多領(lǐng)域都有廣泛的應(yīng)用,包括農(nóng)業(yè)生產(chǎn)、礦物識別、目標(biāo)檢測、災(zāi)害預(yù)警、軍事偵察與城市規(guī)劃等等。采集到的高光譜數(shù)據(jù)具有較高的光譜分辨率和空間分辨率,數(shù)據(jù)特點為信息量大、冗余多、維數(shù)較高,同時在波段之間存在著很強的相關(guān)性,因此高光譜數(shù)據(jù)在提供豐富信息的同時也為后續(xù)的處理帶來了不小的挑戰(zhàn)。高光譜圖像分類技術(shù)是高光譜數(shù)據(jù)處理的關(guān)鍵技術(shù),如何有效地利用豐富的圖像信息來提高分類效果得到了越來越多的關(guān)注。同時,相比于傳統(tǒng)的分類方法,稀疏表達(dá)分類在數(shù)據(jù)處理方面顯示出巨大的潛力,迅速成為研究熱點。本論文基于實際的項目背景,以高光譜圖像的分類理論和方法為框架,重點從如何更有效地利用稀疏表達(dá)和更充分地挖掘高光譜圖像所包含的信息兩大角度出發(fā),針對在稀疏表達(dá)之中如何有效地結(jié)合空間信息展開相關(guān)的研究與探討,旨在消除分類結(jié)果中的零星被錯誤分類的像元、實現(xiàn)高精度的分類。論文研究的主要內(nèi)容如下:1、為了更好地對高光譜圖像進(jìn)行表達(dá),同時利用空間鄰域信息消除分類結(jié)果圖中經(jīng)常存在的一些零星被錯誤分類的像元,提出了基于稀疏特征和鄰域同質(zhì)性的高光譜圖像分類算法。首先,為了使圖像信息得到較好地表述,同時方便后續(xù)的圖像處理過程,將高光譜圖像中僅含少量非零元素的稀疏特征作為分類特征,然后,將提取出的稀疏特征應(yīng)用支持向量機(Support Vector Machine,SVM)算法進(jìn)行分類,得到基于稀疏特征的初始分類結(jié)果。為了進(jìn)一步提高分類精度,引入圖像中相鄰像元間的空間相關(guān)性,對初始分類結(jié)果進(jìn)行鄰域同質(zhì)性判定。理論分析和實驗仿真均驗證了所提算法具有優(yōu)良的分類性能。2、為了充分利用稀疏表達(dá)所產(chǎn)生的稀疏特征,同時通過馬爾科夫隨機場(Markov Random Field,MRF)有效地引入圖像中的上下文信息,提出了基于稀疏特征和馬爾科夫隨機場的高光譜圖像分類算法。首先應(yīng)用字典學(xué)習(xí)過程,完成一組基礎(chǔ)向量組合的尋找,通過基礎(chǔ)向量組合可以獲取較高層次的高光譜數(shù)據(jù)。然后,通過稀疏表達(dá)來獲取高光譜圖像的稀疏特征使隱含信息較好地顯示出來。接下來,將稀疏特征輸入概率SVM得到每個像元對應(yīng)的所屬類別的概率估計,同時,在分類過程中引入基于MRF的空間信息,通過上下文的文本信息來修正基于稀疏特征的概率SVM的分類結(jié)果,得到最終分類結(jié)果。實驗驗證了所提出分類算法的有效性。3、為了使用空間光譜特征來較為全面的刻畫高光譜數(shù)據(jù),并有效地結(jié)合稀疏表達(dá)分類器來提高分類效果,提出了基于空間光譜特征和稀疏表達(dá)的高光譜圖像分類算法。在對高光譜數(shù)據(jù)進(jìn)行分類時,僅靠單一的光譜特征而忽略圖像本身所具有的空間特征不能得到理想的分類結(jié)果。為了避免上述缺點,首先將對原始圖像中所提取的空間紋理特征與光譜特征加以融合,形成圖像的空間-光譜特征,實現(xiàn)高光譜圖像的有效描述。然后,構(gòu)造基于空間-光譜特征的訓(xùn)練集,將該訓(xùn)練集結(jié)合稀疏表達(dá)完成對整個高光譜圖像的連釋。最后通過圖像所對應(yīng)的各類別重構(gòu)的冗余來確定歸屬類別,完成分類過程。實驗結(jié)果表明所提出算法通過有效利用空間-光譜特征提高了分類效果。4、為了充分利用高光譜圖像的空間光譜信息,并且考慮鄰域像元的相關(guān)性和局部性來獲取更好的分類效果,同時融合稀疏協(xié)作表達(dá),使整個分類過程成為一個統(tǒng)一的框架,提出了一種基于空間光譜信息和稀疏協(xié)作表達(dá)的高光譜圖像殘差融合分類算法。該方法首先將高光譜圖像分別由空間特征和光譜特征進(jìn)行有效地表示,然后通過聯(lián)合稀疏表達(dá)分類器(Joint Sparse Representation Classification,JSRC)和局部聯(lián)合協(xié)作分類器(Locally Joint Collaborative Representation Classification,LJCRC)來分別處理提取出的特征,最后將不同分類器所得的殘差進(jìn)行融合,根據(jù)融合的殘差來確定樣本的歸屬類別。實驗表明,本文提出的算法相比于當(dāng)前主流分類算法具有更優(yōu)的分類效果。
[Abstract]:In order to improve the classification accuracy , the spatial correlation between adjacent pixels in the image is analyzed . A high spectral image classification algorithm based on spatial spectral features and sparse representation is proposed .

【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳雨時;張曄;張鈞萍;;基于線性模型最優(yōu)預(yù)測的高光譜圖像壓縮[J];南京航空航天大學(xué)學(xué)報;2007年03期

2 諶德榮;宮久路;陳乾;曹旭平;;基于樣本分割的快速高光譜圖像異常檢測支持向量數(shù)據(jù)描述方法[J];兵工學(xué)報;2008年09期

3 蒲曉豐;雷武虎;張林虎;蔣奇材;;基于Fukunaga-Koontz變換的高光譜圖像異常檢測[J];紅外技術(shù);2010年04期

4 成寶芝;郭宗光;;高光譜圖像波段間相關(guān)特性研究[J];大慶師范學(xué)院學(xué)報;2013年06期

5 楊龍;易宏杰;李因彥;;遙感高光譜圖像赤潮識別[J];傳感器世界;2007年05期

6 汪倩;陶鵬;;結(jié)合空間信息的高光譜圖像快速分類方法[J];微計算機信息;2010年21期

7 王立國;孫杰;肖倩;;結(jié)合空-譜信息的高光譜圖像分類方法[J];黑龍江大學(xué)自然科學(xué)學(xué)報;2010年06期

8 馮朝麗;朱啟兵;朱曉;黃敏;;基于光譜特征的玉米品種高光譜圖像識別[J];江南大學(xué)學(xué)報(自然科學(xué)版);2012年02期

9 付歡;龍海南;韓曉霞;;基于冗余字典的高光譜圖像的稀疏分解[J];河北軟件職業(yè)技術(shù)學(xué)院學(xué)報;2013年04期

10 耿修瑞,張霞,陳正超,張兵,鄭蘭芬,童慶禧;一種基于空間連續(xù)性的高光譜圖像分類方法[J];紅外與毫米波學(xué)報;2004年04期

相關(guān)會議論文 前10條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識別研究[A];成像光譜技術(shù)與應(yīng)用研討會論文集[C];2004年

2 高連如;張兵;孫旭;李山山;張文娟;;高光譜數(shù)據(jù)降維與分類技術(shù)研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會暨交叉學(xué)科論壇文集[C];2010年

3 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會論文（摘要）集[C];2013年

4 孫蕾;羅建書;;基于分類預(yù)測的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

5 楊勇;劉木華;鄒小蓮;苗蓬勃;趙珍珍;;基于高光譜圖像技術(shù)的獼猴桃硬度品質(zhì)檢測[A];走中國特色農(nóng)業(yè)機械化道路——中國農(nóng)業(yè)機械學(xué)會2008年學(xué)術(shù)年會論文集（下冊）[C];2008年

6 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質(zhì)量綜合評價[A];第八屆成像光譜技術(shù)與應(yīng)用研討會暨交叉學(xué)科論壇文集[C];2010年

7 高東生;高連知;;基于獨立分量分析的高光譜圖像目標(biāo)盲探測方法研究[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

8 馮維一;陳錢;何偉基;;基于小波稀疏的高光譜目標(biāo)探測算法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會論文（摘要）集[C];2013年

9 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

10 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 記者 楊君 通訊員 程學(xué)軍;我國首個空間信息水利應(yīng)用研發(fā)中心誕生[N];人民長江報;2010年

2 記者 祝桂峰　通訊員 管豪斌;廣東：推動空間信息云服務(wù)模式[N];中國測繪報;2012年

3 記者 陳江 通訊員 黎霞;廣西空間信息與測繪重點實驗室獲國家863計劃資助[N];廣西日報;2013年

4 北大天創(chuàng)信息技術(shù)公司首席科學(xué)家 鄔倫;大力發(fā)展我國空間信息產(chǎn)業(yè)[N];光明日報;2001年

5 記者 丁全利;可實際運行的國家地質(zhì)空間信息平臺建成[N];地質(zhì)勘查導(dǎo)報;2006年

6 記者 李大慶;北京空間信息產(chǎn)業(yè)領(lǐng)跑全國[N];科技日報;2008年

7 本報記者 劉恕;讓地質(zhì)空間信息自由流動[N];科技日報;2005年

8 未來;LBS：電信增值業(yè)務(wù)的新領(lǐng)域[N];人民郵電;2003年

9 李敬;空間信息產(chǎn)業(yè)走向整合[N];計算機世界;2007年

10 記者 祝桂峰　通訊員 管豪斌;研發(fā)數(shù)字廣東空間信息云服務(wù)技術(shù)[N];中國國土資源報;2012年

相關(guān)博士學(xué)位論文 前10條

1 楊京輝;基于稀疏表達(dá)及空間信息的高光譜圖像分類方法研究[D];哈爾濱工程大學(xué);2016年

2 郝思媛;空譜協(xié)作的高光譜圖像分類方法研究[D];哈爾濱工程大學(xué);2015年

3 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復(fù)旦大學(xué);2014年

4 王亮亮;非線性流形結(jié)構(gòu)在高光譜圖像異常檢測中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2014年

5 賀智;改進(jìn)的經(jīng)驗?zāi)B(tài)分解算法及其在高光譜圖像分類中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

6 魏然;基于成像機理分析的高光譜圖像信息恢復(fù)研究[D];哈爾濱工業(yè)大學(xué);2015年

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

8 馮婕;基于軟計算和互信息理論的遙感圖像地物分類[D];西安電子科技大學(xué);2014年

9 孫濤;快速多核學(xué)習(xí)分類研究及應(yīng)用[D];西安電子科技大學(xué);2015年

10 李昌國;基于譜間和校正相關(guān)性的高光譜圖像壓縮方法研究及GPU并行實現(xiàn)[D];成都理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 豐爍;高光譜圖像波段選取問題的改進(jìn)算法研究[D];昆明理工大學(xué);2015年

2 趙偉彥;果蔬干燥過程中的品質(zhì)無損檢測技術(shù)研究[D];江南大學(xué);2015年

3 馬亞楠;果蔬中內(nèi)部害蟲的高光譜圖像檢測技術(shù)研究[D];江南大學(xué);2015年

4 劉大洋;基于近紅外光譜和高光譜圖像技術(shù)無損識別獼猴桃膨大果[D];西北農(nóng)林科技大學(xué);2015年

5 王坤;高光譜圖像異常目標(biāo)檢測及光譜成像在偽裝評估方面的應(yīng)用研究[D];南京理工大學(xué);2015年

6 王啟聰;高光譜圖像分類的GPU并行優(yōu)化研究[D];南京理工大學(xué);2015年

7 程凱;無先驗信息的高光譜圖像小目標(biāo)檢測算法研究[D];蘇州大學(xué);2015年

8 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測研究[D];寧夏大學(xué);2015年

9 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識別建模研究[D];寧夏大學(xué);2015年

10 吳蓓芬;偏振高光譜圖像場景仿真及分類方法研究[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號：1509310