本文選題：高光譜影像 + 特征提取　； 參考：《大連理工大學》2017年博士論文

【摘要】：高光譜影像記錄目標場景空間幾何信息的同時也采集地物目標的光譜信息,是重要的遙感數(shù)據(jù)之一,被廣泛應用于精準農(nóng)業(yè)、環(huán)境監(jiān)測、現(xiàn)代軍事等領域。高光譜影像分類是高光譜數(shù)據(jù)分析中的最基本問題,高光譜影像的分類精度直接影響著遙感技術的應用與發(fā)展。借助先進的機器學習方法解決高光譜影像分類問題是遙感領域的主流發(fā)展趨勢。但是,受數(shù)據(jù)冗余大、空間分辨率不足、標記樣本有限等因素的影響,實現(xiàn)精準的、穩(wěn)定的地物目標分類仍然是亟待解決的問題。針對此,本文基于在視覺任務中取得成功的深度學習方法,從高光譜影像信息提取與信息利用兩個角度,對上述問題進行研究。本文的主要創(chuàng)新工作如下:首先,基于深度學習理論,研究適用于高光譜影像的特征提取方法。針對其光譜信息冗余,空間分辨率較低等問題,設計深度網(wǎng)絡,使用可學習的卷積核構造空間上下文信息提取層,采用稀疏約束的自動編碼器逐層搭建光譜特征提取層,通過最小化加入正則項的能量函數(shù)優(yōu)化網(wǎng)絡,從而實現(xiàn)深度空譜特征提取;針對如何在有限樣本下優(yōu)化網(wǎng)絡的問題,提出基于相對距離先驗的深度特征提取方法,利用類內(nèi)緊湊性先驗聚合同類樣本特征,借助類間稀疏性先驗疏散不同類別特征聚合簇,從而實現(xiàn)精準的特征提取。其次,針對如何利用有標簽樣本信息進行監(jiān)督分類的問題,研究了表示型分類器,提出基于空間正則化協(xié)同表示的空譜分類方法。使用所有訓練樣本的深度特征構建超完備表示字典,以實現(xiàn)對測試樣本的協(xié)同表示;在此方法中,利用各類別表示的殘差構造類概率向量,并將其作為空間正則化的輸入以完成概率圖分割,從而實現(xiàn)監(jiān)督的空譜分類。該方法在訓練樣本數(shù)目有限的情況下,能夠取得較高的分類精度。最后,針對如何利用無標簽樣本信息進行半監(jiān)督分類的問題,研究了空間鄰域信息標記方法。提出基于多決策標記的半監(jiān)督分類方法,通過深度網(wǎng)絡提取高光譜影像的自身屬性信息實現(xiàn)自決策,利用加權空間鄰域信息打分方法提取局部信息實現(xiàn)局部決策,借助基于深度網(wǎng)絡的相似度學習獲得全局信息實現(xiàn)全局決策。該方法選取決策一致的樣本作為候選訓練樣本,基于主動學習方法優(yōu)化候選樣本,進而擴充訓練樣本集,提高分類精度。綜上,本文通過對高光譜影像信息的深入分析,研究了基于機器學習方法的信息挖掘與利用策略,在一定程度上豐富了高光譜影像數(shù)據(jù)分析方法,并將提出的方法在多種應用上進行了有益的探索,具有一定的理論意義與應用價值。
[Abstract]:In order to solve the problem of high spectral image classification is the most basic problem in the field of precision agriculture , environment monitoring , modern military , etc . In this paper , based on the deep analysis of hyperspectral image information , this paper studies the information mining and utilization strategy based on the machine learning method , enriches the data analysis method of hyperspectral image to a certain extent , and makes a useful exploration of the proposed method in a variety of applications , and has certain theoretical significance and application value .

【學位授予單位】：大連理工大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP751

【相似文獻】

相關期刊論文 前10條

1 范冬娟;張韶華;;高光譜影像反射率反演方法的研究[J];海洋測繪;2006年03期

2 甘甫平;王潤生;;高光譜遙感技術在地質(zhì)領域中的應用[J];國土資源遙感;2007年04期

3 余旭初;楊國鵬;馮伍法;周欣;;基于簡約集支持向量機的高光譜影像分類[J];計算機科學;2010年11期

4 李新雙;張良培;李平湘;吳波;;基于小波分量特征值匹配的高光譜影像分類[J];武漢大學學報(信息科學版);2006年03期

5 楊可明;陳云浩;郭達志;蔣金豹;;基于高光譜影像的小麥條銹病光譜信息探測與提取(英文)[J];光子學報;2008年01期

6 蘇俊英;舒寧;;一種基于非線性增益小波濾波的高光譜影像去噪技術研究[J];遙感技術與應用;2008年04期

7 孫偉偉;劉春;施蓓琦;李巍岳;;基于隨機矩陣的高光譜影像非負稀疏表達分類[J];同濟大學學報(自然科學版);2013年08期

8 楊可明;李慧;郭達志;;基于最佳小波包基的高光譜影像特征制圖[J];測繪學報;2008年01期

9 楊國鵬;余旭初;劉偉;陳偉;;基于支持向量機的高光譜影像分類研究[J];計算機工程與設計;2008年08期

10 董超;趙慧潔;;關聯(lián)向量機在高光譜影像分類中的應用[J];遙感學報;2010年06期

相關會議論文 前10條

1 舒寧;胡穎;;基于地物光譜特征的高光譜影像邊緣提取方法[A];地理空間信息技術與應用——中國科協(xié)2002年學術年會測繪論文集[C];2002年

2 舒寧;;多光譜和高光譜影像紋理分析的幾種方法[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

3 于美嬌;董廣軍;張永生;紀松;楊靖宇;;一種基于極大后驗估計的高光譜影像分辨率增強方法[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

4 董廣軍;紀松;朱朝杰;;基于局部線性嵌入流形學習的高光譜影像分類技術[A];第六屆全國信息獲取與處理學術會議論文集（3）[C];2008年

5 汪瑋;周可法;王金林;周曙光;劉慧;;環(huán)境減災衛(wèi)星高光譜數(shù)據(jù)預處理[A];第十二屆全國數(shù)學地質(zhì)與地學信息學術研討會論文集[C];2013年

6 黃遠程;張良培;李平湘;;基于最小單形體體積約束的高光譜影像端元光譜提取[A];遙感定量反演算法研討會摘要集[C];2010年

7 劉慶杰;藺啟忠;王黎明;王欽軍;李慶亭;苗峰顯;;基于CFFT最優(yōu)信噪比的星載高光譜影像噪聲抑制研究[A];第十七屆中國遙感大會摘要集[C];2010年

8 張杰林;;砂巖型鈾礦床高光譜數(shù)據(jù)挖掘技術研究[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

9 董彥芳;龐勇;;高光譜影像與LiDAR數(shù)據(jù)融合提取城市目標提取[A];中國地震學會空間對地觀測專業(yè)委員會2013年學術研討會論文摘要集[C];2013年

10 李飛;周成虎;陳榮國;;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[A];第二屆中國科學院博士后學術年會暨高新技術前沿與發(fā)展學術會議程序冊[C];2010年

相關博士學位論文 前9條

1 劉軻;冬小麥葉面積指數(shù)高光譜遙感反演方法研究[D];中國農(nóng)業(yè)科學院;2015年

2 馬曉瑞;基于深度學習的高光譜影像分類方法研究[D];大連理工大學;2017年

3 楊國鵬;基于機器學習方法的高光譜影像分類研究[D];解放軍信息工程大學;2010年

4 路威;面向目標探測的高光譜影像特征提取與分類技術研究[D];中國人民解放軍信息工程大學;2005年

5 楊哲海;高光譜影像分類若干關鍵技術的研究[D];解放軍信息工程大學;2006年

6 王凱;基于多特征融合的高光譜影像地物精細分析方法研究[D];武漢大學;2013年

7 杜輝強;高光譜遙感影像濾波和邊緣提取方法研究[D];武漢大學;2004年

8 韋瑋;基于多角度高光譜CHRIS數(shù)據(jù)的濕地信息提取技術研究[D];中國林業(yè)科學研究院;2011年

9 龔鑓;基于HDA和MRF的高光譜影像同質(zhì)區(qū)分析[D];武漢大學;2007年

相關碩士學位論文 前10條

1 司海青;含水量對土壤有機質(zhì)含量高光譜估算的影響研究[D];中國農(nóng)業(yè)科學院;2015年

2 汪重午;基于高光譜線性混合模型的地質(zhì)勘查研究[D];成都理工大學;2015年

3 魏祥坡;高光譜影像土質(zhì)要素和人工地物分類技術研究[D];解放軍信息工程大學;2015年

4 康苒;松嫩平原典型土壤有機質(zhì)高光譜預測模型研究[D];東北農(nóng)業(yè)大學;2016年

5 張穎;基于主動學習的高光譜影像分類[D];成都理工大學;2016年

6 張風;基于子空間學習的高光譜影像地物分類[D];西安電子科技大學;2015年

7 劉瑞香;基于多尺度局部二值模式的高光譜圖像分類算法研究[D];西安石油大學;2016年

8 劉怡君;基于機載LiDAR和高光譜遙感影像融合實現(xiàn)普洱山區(qū)樹種分類[D];中國林業(yè)科學研究院;2016年

9 董連鳳;高光譜影像預處理技術研究[D];長安大學;2007年

10 祝鵬飛;面向?qū)ο蟮母吖庾V影像地物分類技術研究[D];解放軍信息工程大學;2011年

，

本文編號：1767010