發(fā)布時間：2018-03-08 13:13

  本文選題：高光譜海冰圖像　切入點：波段選擇　出處：《上海海洋大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：海冰是極地以及高緯度海域海洋災(zāi)害的最重要成因之一,因此對海冰檢測具有重要意義。與傳統(tǒng)海冰檢測手段相比,高光譜遙感具有連續(xù)的光譜信息和豐富的空間信息,可以同時獲取海冰影像以及光譜曲線,有利于對海冰類別等信息進(jìn)行檢測。高光譜遙感數(shù)據(jù)在獲取豐富的空間信息和光譜信息的同時,高維度、高冗余造成的數(shù)據(jù)量劇增給高光譜海冰圖像處理帶來困難。因此,為了達(dá)到數(shù)據(jù)處理效率和海冰檢測結(jié)果的平衡,需要在海冰圖像分類檢測前對原始高光譜海冰數(shù)據(jù)進(jìn)行降維處理。相較于基于特征提取的數(shù)據(jù)降維方法,基于波段選擇的數(shù)據(jù)降維方法在一定程度上能夠更好地保留高光譜波段的原始物理意義,因此我們使用波段選擇方法進(jìn)行數(shù)據(jù)降維。在數(shù)據(jù)降維過程中,信息量越大的波段對海冰檢測越重要,因此要選擇信息量大的波段,同時由于波段的高冗余性,還需要考慮選擇的波段集合中波段之間的相關(guān)性,因此如何在波段選擇的過程中選擇信息量盡可能大,并且波段之間相關(guān)性低的最優(yōu)波段組合,是高光譜海冰圖像數(shù)據(jù)降維的一個關(guān)鍵問題�；诟吖庾V海冰圖像的光譜信息進(jìn)行海冰分類檢測時,達(dá)到最優(yōu)檢測性能的前提條件是不同類別的海冰在光譜維上是不相同的、可分的,而相同類型的海冰則相反。但是由于海冰自身的物理特性以及海冰分布的環(huán)境因素影響,在特定情況下,遙感數(shù)據(jù)會出現(xiàn)光譜混淆的現(xiàn)象,此時本文考慮引入另一個重要特征——表面的紋理特征與光譜特征結(jié)合分類,實現(xiàn)功能互補(bǔ),提升海冰分類檢測精度。針對上述研究內(nèi)容,我們提出了一種改進(jìn)的相似性度量方法對高光譜數(shù)據(jù)進(jìn)行降維處理,并且針對光譜混淆的現(xiàn)象探討了圖像紋理特征在高光譜海冰分類中的應(yīng)用,具體工作內(nèi)容如下:1)詳細(xì)介紹了高光譜圖像數(shù)據(jù)降維的基本原理和具體過程,為了實現(xiàn)最優(yōu)波段組合內(nèi)信息量和波段間相關(guān)性的平衡,提出了一種基于線性預(yù)測的改進(jìn)相似性度量的方法對高光譜數(shù)據(jù)進(jìn)行降維處理,而后基于支持向量機(jī)分類算法對已經(jīng)選擇出的最優(yōu)波段集合進(jìn)行海冰分類檢測,測試該方法在分類檢測方面的性能。實驗結(jié)果表明:基于本文提出的方法對高光譜數(shù)據(jù)進(jìn)行降維處理后,相較于其他傳統(tǒng)海冰檢測方法在總體上具有更好的性能,該方法可以更有效地對數(shù)據(jù)進(jìn)行降維以應(yīng)用于高光譜海冰檢測。2)針對高光譜海冰檢測中出現(xiàn)的光譜混淆、錯分的現(xiàn)象,引入圖像紋理特征參與海冰分類檢測。由于不同類型的海冰其表面會表現(xiàn)出不同的紋理特征,為紋理特征參與分類提供可能性。本文使用在紋理特征提取方法中具有突出性能的灰度共生矩陣方法來提取高光譜海冰圖像中不同類型海冰的紋理特征,并對比分析了不同的紋理特征的表征方式與意義。將與紋理信息相結(jié)合的海冰分類檢測和只使用海冰光譜信息進(jìn)行分類檢測的方法做了對比分析,實現(xiàn)結(jié)果表明:與紋理信息相結(jié)合進(jìn)行海冰檢測分類能夠獲取相對較優(yōu)的分類效果,對解決光譜混淆導(dǎo)致的錯分問題有一定的指導(dǎo)意義。
[Abstract]:......
【學(xué)位授予單位】：上海海洋大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：P715.7;TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 YUAN Shuai;GU Wei;LIU Chengyu;XIE Feng;;Towards a semi-empirical model of the sea ice thickness based on hyperspectral remote sensing in the Bohai Sea[J];Acta Oceanologica Sinica;2017年01期

2 王明偉;王志平;趙春霞;馬躍;張凱;陽凡林;;基于最大似然和支持向量機(jī)方法的遙感影像地物分類精度評估與比較研究[J];山東科技大學(xué)學(xué)報(自然科學(xué)版);2016年03期

3 林晨曦;周藝;王世新;劉文亮;田野;張燕楠;;基于變差函數(shù)的中高分辨率SAR影像農(nóng)村建筑區(qū)提取[J];中國圖象圖形學(xué)報;2016年05期

4 趙潔;;基于K均值聚類的高光譜遙感影像分類研究[J];地理空間信息;2016年03期

5 方帥;瞿成佳;楊學(xué)志;劉永進(jìn);;組合因子最優(yōu)的線性預(yù)測波段選擇[J];中國圖象圖形學(xué)報;2016年02期

6 楊燕;曾學(xué)宏;汪生燕;;影像增強(qiáng)對ISODATA遙感影像分類結(jié)果的影響[J];測繪與空間地理信息;2014年04期

7 周楊;厲小潤;趙遼英;;改進(jìn)的高光譜圖像線性預(yù)測波段選擇算法[J];光學(xué)學(xué)報;2013年08期

8 張云;郭建京;袁國良;洪中華;韓彥嶺;;基于GNSS反射信號的海冰檢測的研究[J];全球定位系統(tǒng);2013年02期

9 李吉明;賈森;彭艷斌;;基于光譜特征和紋理特征協(xié)同學(xué)習(xí)的高光譜圖像數(shù)據(jù)分類[J];光電工程;2012年11期

10 柯長青;謝紅接;雷瑞波;李群;孫波;;北極海冰的光譜特征分析[J];光譜學(xué)與光譜分析;2012年04期

相關(guān)博士學(xué)位論文 前1條

1 陳進(jìn);高光譜圖像分類方法研究[D];國防科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前2條

1 張艷;基于Gabor濾波器的紋理特征提取研究及應(yīng)用[D];西安科技大學(xué);2014年

2 張偉偉;圖像紋理特征提取及分類方法研究[D];天津大學(xué);2012年

，

本文編號：1584041