本文選題：波段選擇　切入點(diǎn)：無監(jiān)督　出處：《西安電子科技大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來,高光譜遙感數(shù)據(jù)波段選擇(Band Selection,簡稱為BS)的研究由于其在分類和目標(biāo)識(shí)別具有良好的應(yīng)用受到了學(xué)者的廣泛關(guān)注。高光譜圖像數(shù)據(jù)包含數(shù)百個(gè)連續(xù)波長的窄光譜。其豐富的光譜信息提供了準(zhǔn)確的地物識(shí)別潛力。但其龐大的數(shù)據(jù)量在數(shù)據(jù)的傳輸計(jì)算和存儲(chǔ)等方面都帶來了很嚴(yán)重的問題。特別是當(dāng)數(shù)據(jù)的維數(shù)很高的時(shí)候,一些波段之間存在很強(qiáng)的相關(guān)性,包含大量的冗余信息,這使得分類精度會(huì)隨著有限的訓(xùn)練樣本的維數(shù)的增加而下降,即出現(xiàn)Hughes現(xiàn)象。因此很多基于統(tǒng)計(jì)的分類方法對(duì)高光譜遙感圖像是無效的,所以高光譜遙感圖像的波段降維是高光譜數(shù)據(jù)應(yīng)用的一個(gè)很關(guān)鍵的環(huán)節(jié)。無監(jiān)督的波段選擇以其不需要先驗(yàn)知識(shí)、保留原有圖像的物理特性、較好地保留有用信息去除波段間冗余性等優(yōu)點(diǎn),在高光譜數(shù)據(jù)的后續(xù)地物分類、地物識(shí)別等領(lǐng)域得到了廣泛的應(yīng)用。本文對(duì)高光譜圖像的無監(jiān)督波段選擇進(jìn)行了系統(tǒng)的研究,所取得的主要研究成果為:通過多目標(biāo)優(yōu)化對(duì)高光譜遙感數(shù)據(jù)進(jìn)行了無監(jiān)督波段選擇的研究。所謂的無監(jiān)督是指不需要任何先驗(yàn)知識(shí)即不需要特定的地物人工標(biāo)識(shí)。針對(duì)波段選擇的要求,本文將高光譜圖像波段選擇問題建模為一個(gè)多目標(biāo)優(yōu)化問題,得到的波段組合權(quán)衡了有用信息保留和冗余信息的消除(去相關(guān))兩方面,輸出一組滿足目標(biāo)函數(shù)的非支配折衷解,然后從中選取用戶需要的波段組合。提出的方法克服了現(xiàn)有技術(shù)的一些不足,得到的波段組合能夠較好地保留有用細(xì)節(jié)信息同時(shí)盡可能多的消除波段間冗余信息,更好地適用于降維后地物分類、識(shí)別等運(yùn)用。波段選擇問題可以看作為一個(gè)組合尋優(yōu)的問題,所以將多目標(biāo)優(yōu)化算法用于無監(jiān)督的波段選擇研究上可以取得不錯(cuò)的效果。本文將以地物分類精度和Kappa系數(shù)作為波段選擇的評(píng)價(jià)標(biāo)準(zhǔn),交叉算子和變異算子作為優(yōu)化的主要操作算子對(duì)于波段的尋優(yōu)起著很關(guān)鍵的作用,論文里采用了非一致交叉算子和非均勻動(dòng)態(tài)變異算子,提高了對(duì)種群局部空間的搜索能力。實(shí)驗(yàn)驗(yàn)證了提出的方法具有可行性和有效性。實(shí)驗(yàn)利用Indian_pinesCp數(shù)據(jù)集和Salinas數(shù)據(jù)集進(jìn)行了仿真實(shí)驗(yàn),通過與一些已有的非監(jiān)督波段選擇算法進(jìn)行比較,提出的波段選擇算法在選擇5-30波段范圍內(nèi)獲得了較高的分類精度和Kappa系數(shù)以及較強(qiáng)的魯棒性。
[Abstract]:In recent years, The research on band selection of hyperspectral remote sensing data (BSs) has attracted wide attention due to its good applications in classification and target recognition. Hyperspectral image data contain hundreds of narrow spectra of continuous wavelengths. Its rich spectral information provides accurate recognition potential, but its huge amount of data brings serious problems in data transmission, calculation and storage, especially when the dimension of data is very high. There is a strong correlation between some bands, including a large amount of redundant information, which makes the classification accuracy decrease with the increase of the dimension of the limited training samples. Therefore, many statistical classification methods are invalid for hyperspectral remote sensing images. Therefore, the band dimensionality reduction of hyperspectral remote sensing images is a key link in the application of hyperspectral data. The unsupervised band selection, which does not require prior knowledge, retains the physical properties of the original image. It has been widely used in the field of ground object classification and recognition of hyperspectral data. In this paper, the unsupervised band selection of hyperspectral images is studied systematically. The main research results obtained are as follows: the unsupervised band selection of hyperspectral remote sensing data is studied by multi-objective optimization. The so-called unsupervised means that no prior knowledge is required, that is, there is no need for specific artificial markers of ground objects. Recognition. Requirements for band selection, In this paper, the band selection problem of hyperspectral images is modeled as a multi-objective optimization problem. The band combination obtained is a trade-off between useful information retention and redundant information elimination (de-correlation). Output a set of non-dominant compromise solutions satisfying the objective function, and then select the band combination required by the user. The proposed method overcomes some shortcomings of the prior art. The band combination can preserve useful detail information and eliminate redundant information as much as possible, so it is more suitable for the classification of ground objects after dimensionality reduction. The band selection problem can be regarded as a combinatorial optimization problem. Therefore, the multi-objective optimization algorithm can be applied to the research of unsupervised band selection. In this paper, the classification accuracy of ground objects and the Kappa coefficient will be taken as the evaluation criteria for band selection. Crossover operator and mutation operator, as the main operators of optimization, play a key role in the optimization of the band. In this paper, the non-uniform crossover operator and the non-uniform dynamic mutation operator are used. The proposed method is proved to be feasible and effective. The Indian_pinesCp dataset and Salinas data set are used in the simulation experiment. Compared with some unsupervised band selection algorithms, the proposed band selection algorithm achieves high classification accuracy, Kappa coefficient and robustness in the range of 5-30 bands.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮永康;余華;;多光譜數(shù)據(jù)波段選擇方法試驗(yàn)研究——以湖北神農(nóng)架林區(qū)為例[J];遙感信息;2009年05期

2 葛亮;王斌;張立明;;基于偏最小二乘法的高光譜圖像波段選擇[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2011年11期

3 王立國,谷延鋒,張曄;基于支持向量機(jī)和子空間劃分的波段選擇方法[J];系統(tǒng)工程與電子技術(shù);2005年06期

4 李行;毛定山;張連蓬;;高光譜遙感影像波段選擇算法評(píng)價(jià)方法研究[J];地理與地理信息科學(xué);2006年06期

5 楊諸勝;郭雷;羅欣;胡新韜;;一種基于主成分分析的高光譜圖像波段選擇算法[J];微電子學(xué)與計(jì)算機(jī);2006年12期

6 于紹慧;張玉鈞;趙南京;肖雪;王歡博;;基于矩陣模式的高光譜波段選擇方法[J];光電工程;2012年06期

7 張海濤;王鶴橋;孟祥羽;武文波;;基于類對(duì)可分和灰色決策的高光譜波段選擇方法[J];計(jì)算機(jī)科學(xué);2014年06期

8 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(bào);2013年08期

9 溫健婷;張霞;張兵;趙冬;;土壤鉛含量高光譜遙感反演中波段選擇方法研究[J];地球科學(xué)進(jìn)展;2010年06期

10 葛亮;王斌;張立明;;基于波段聚類的高光譜圖像波段選擇[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年11期

相關(guān)會(huì)議論文 前4條

1 王藝婷;黃世奇;劉代志;陳聰;;基于統(tǒng)計(jì)排序的高光譜波段選擇方法[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

2 王藝婷;黃世奇;劉代志;;高光譜遙感圖像波段選擇現(xiàn)狀研究[A];國家安全地球物理叢書（七）——地球物理與核探測[C];2011年

3 張霞;溫健婷;黃長平;李慶亭;;土壤鉛含量高光譜遙感反演中波段選擇方法研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

4 林君琴;劉允良;吳至善;;巖石波譜多光譜遙感波段選擇研究[A];1994年中國地球物理學(xué)會(huì)第十屆學(xué)術(shù)年會(huì)論文集[C];1994年

相關(guān)重要報(bào)紙文章 前2條

1 陜西 瞿貴榮 張鳳娥;SS-40汽車音響波段控制電路及檢修[N];電子報(bào);2010年

2 陜西 瞿貴榮 張鳳娥;德生R-9700收音機(jī)電子波段轉(zhuǎn)換電路及檢修[N];電子報(bào);2008年

相關(guān)博士學(xué)位論文 前1條

1 夏威;高光譜遙感圖像的解混和波段選擇方法研究[D];復(fù)旦大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 夏冰;高光譜影像非監(jiān)督波段選擇技術(shù)研究[D];蘇州大學(xué);2015年

2 鐔永強(qiáng);基于多目標(biāo)優(yōu)化的高光譜圖像無監(jiān)督波段選擇[D];西安電子科技大學(xué);2014年

3 張倩;改進(jìn)的自適應(yīng)波段選擇算法研究及應(yīng)用[D];大連海事大學(xué);2012年

4 周楊;高光譜遙感圖像波段選擇算法研究[D];浙江大學(xué);2014年

5 楊三美;基于克隆選擇算法的高光譜圖像波段選擇[D];華中科技大學(xué);2011年

6 魏芳潔;高光譜圖像波段選擇方法的研究[D];哈爾濱工程大學(xué);2013年

7 呂智強(qiáng);高光譜數(shù)據(jù)半監(jiān)督波段選擇研究[D];上海大學(xué);2013年

8 鄭俊鵬;高光譜圖像波段選擇及CUDA并行實(shí)現(xiàn)研究[D];杭州電子科技大學(xué);2015年

9 張銀濤;高光譜數(shù)據(jù)的樹種分類波段選擇研究[D];浙江農(nóng)林大學(xué);2014年

10 李行;植被高光譜遙感影像特征波段的選擇方法研究[D];山東科技大學(xué);2006年

，

本文編號(hào)：1599608