【摘要】：高光譜遙感技術(shù)始于上世紀(jì)80年代，其融合了探測器技術(shù)、微弱信息檢測、信息處理技術(shù)、精密光學(xué)機械、計算機技術(shù)等尖端科學(xué)技術(shù)的新型遙感技術(shù)。由于高光譜遙感圖像具有圖譜合一以及良好的光譜分辨率等特性，使得該方法在地質(zhì)勘探、軍事探測、星際探索以及生態(tài)環(huán)境監(jiān)測等諸多領(lǐng)域得到越來越廣泛的應(yīng)用。由于高光譜圖像數(shù)據(jù)量大，數(shù)據(jù)維數(shù)高，信息冗余等問題，導(dǎo)致高光譜遙感圖像的信息無法被充分有效的運用。論文從特征約簡入手，研究從高光譜圖像的海量數(shù)據(jù)中提取有效信息的方法。論文的主要工作和貢獻(xiàn)有： 第一，局部Fisher判別分析算法(Local Fisher discriminant analysis algorithmLFDA)描繪樣本間幾何結(jié)構(gòu)的過程中，只重點考慮了樣本的相似性幾何關(guān)系，而沒有對數(shù)據(jù)的多樣性幾何信息進(jìn)行描述，從而影響了通過特征約簡后低維特征的識別效果。針對LFDA存在的這些不足，，提出了增強局部Fisher判別分析算法(Enhanced Local Fisher discriminant analysis algorithm ELFDA)。ELFDA利用鄰接圖描述數(shù)據(jù)的多樣性幾何屬性，然后結(jié)合LFDA算法中考慮的相似性幾何屬性，實現(xiàn)了穩(wěn)定性較好的內(nèi)在幾何結(jié)構(gòu)描述；在此基礎(chǔ)上，通過最大化類間離散度同時最小化局部類內(nèi)離散度，提取投影方向，再通過最近鄰分類器區(qū)分類別。多個數(shù)據(jù)庫上的實驗結(jié)果證明了ELFDA算法的優(yōu)越性。 第二，利用多模態(tài)思想，通過多模態(tài)數(shù)據(jù)融合的方法，運用無標(biāo)簽?zāi)B(tài)數(shù)據(jù)保持樣本局部拓?fù)浣Y(jié)構(gòu)，同時通過有標(biāo)簽?zāi)B(tài)數(shù)據(jù)獲得良好的判別信息，提出一種半監(jiān)督的鄰域保持邊界Fisher判別算法(Neighborhood Preserving Marginal FisherAnalysis，NPMFA)。NPMFA算法在進(jìn)行特征提取時，不僅保持良好的判別信息，而且保持了良好的空間局部幾何屬性，較好地刻畫了數(shù)據(jù)相似性幾何特性，從而獲得更好的識別效果。多個數(shù)據(jù)庫上的實驗結(jié)果證明了NPMFA算法的有效性。
【圖文】：

譜波段數(shù)據(jù)，從而收集了豐富的圖像光譜信息和空間幾何信息。將各個波段上收集的圖像疊合起來，可構(gòu)成描述不同波段中同一場景地物圖像的高光譜圖像立方體。圖1.1是一個高光譜圖像立方體。圖1.1 高光譜圖像立方體圖1.2所展示的為高光譜圖像的成像原理，圖中每一層圖像都是光譜成像儀在某一波段內(nèi)對相同場景的成像。而圖中同一位置的各不同波段上的點組成一個向量，被稱作像元。像元是一個連續(xù)的光譜曲線，對于不同的地物，光譜曲線是不一樣的[4]，圖1.2所展示的幾種地物光譜曲線就有著不小的差別。

憧笮畔⒘恐幛猓嘀鼓芏怨餛滋卣鶻鈉辛己玫拿枋觥Ｍ?1.3 多光譜圖像和高光譜圖像成像對比圖1.2 高光譜數(shù)據(jù)描述在概念上和數(shù)學(xué)上，怎樣表述高光譜數(shù)據(jù)是選擇如何處理數(shù)據(jù)的重點。由于不同種類信息能夠符合不同應(yīng)用要求，高光譜數(shù)據(jù)有三種不同的描述方式[6]，分別為光譜空間、特征空間和圖像空間。光譜空間：高光譜圖像中的每一個像元可表示為一條相應(yīng)波長的連續(xù)光譜曲線，該曲線顯示的為電磁波波長與能量之間的關(guān)系，像元灰度值在各個波段上的
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 毛士藝,趙巍;多傳感器圖像融合技術(shù)綜述[J];北京航空航天大學(xué)學(xué)報;2002年05期

2 李行,張連蓬;高光譜遙感圖像最佳波段選擇的快速算法研究[J];測繪通報;2004年09期

3 張志偉;楊帆;夏克文;楊瑞霞;;一種有監(jiān)督的LPP算法及其在人臉識別中的應(yīng)用[J];電子與信息學(xué)報;2008年03期

4 王潤生;楊蘇明;閻柏琨;;成像光譜礦物識別方法與識別模型評述[J];國土資源遙感;2007年01期

5 劉恒殊,彭風(fēng)華,黃廉卿;超光譜遙感圖像特征分析[J];光學(xué)精密工程;2001年04期

6 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];海洋測繪;2003年06期

7 溫金環(huán);田錚;林偉;周敏;延偉東;;基于監(jiān)督局部線性嵌入特征提取的高光譜圖像分類[J];計算機應(yīng)用;2011年03期

8 呂東亞,黃普明,孫獻(xiàn)璞;高光譜圖像的數(shù)據(jù)特征及壓縮技術(shù)[J];空間電子技術(shù);2005年01期

9 譚炳香;高光譜遙感森林應(yīng)用研究探討[J];世界林業(yè)研究;2003年02期

10 李學(xué)華;舒蘭;;基于流形學(xué)習(xí)與SVM的手寫字符識別方法[J];微計算機信息;2009年24期

本文編號：2527021