【摘要】：高光譜遙感技術(shù)是上個世紀20年代發(fā)展起來的一種重要遙感技術(shù)。高光譜成像儀可以在多波段、窄間距下獲得幾乎連續(xù)的地物波譜圖像，使得高光譜圖像具有了相比傳統(tǒng)的遙感圖像更高的空間分辨率和光譜分辨率，并在農(nóng)業(yè)、地質(zhì)、沿海和內(nèi)陸水域環(huán)境、大氣研究、全球環(huán)境研究等領(lǐng)域得到了廣泛應用。但成百乃至上千的波段也帶來了數(shù)據(jù)量大、“維數(shù)災難”、信息冗余、存在噪聲波段的問題，給高光譜圖像的存儲、傳輸和處理帶來了很多困難。因此，如何有效的降低高光譜圖像的維數(shù)成為了高光譜圖像需要解決的一個重要問題。 傳統(tǒng)的降維方法有兩種，一種是特征提取，一種是特征選擇。為了保留高光譜圖像中特定波段的物理意義，，一般采取特征選擇的方法。論文中針對高光譜圖像的特點和存在的問題，在對傳統(tǒng)的特征選擇方法和分類方法研究的基礎(chǔ)上，提出了一些新的高光譜圖像的波段選擇方法和半監(jiān)督分類方法。本文的主要研究內(nèi)容如下： （1）提出了一種基于量子粒子群和SVM分類器的高光譜圖像波段選擇的方法。該方法首先將傳統(tǒng)連續(xù)域的量子粒子群算法映射到離散域，然后在離散域中搜索得到SVM的分類精度最高且所選波段個數(shù)最小的波段子集，進而從原始的波段集合中選出最相關(guān)的波段子集。 （2）提出了一種基于分層聚類算法與多變量互信息結(jié)合的高光譜圖像波段選擇的方法。該方法首先提出一種在類標已知的情況下，采用互信息度量波段之間冗余程度的一種評價準則，然后結(jié)合分層聚類的方法，將每個波段作為一個個體，把所有的波段進行聚類，最后從每個聚類中選擇出與類標互信息值最大的波段作為最后的選中波段。 （3）提出了一種基于粒子群算法和最近鄰原則的高光譜圖像半監(jiān)督分類方法。在訓練樣本有限的情況下，該方法利用有限的有標記樣本和大量無標記樣本，通過粒子群算法尋找最能代表樣本真實分布的原型點，然后結(jié)合近鄰原則對未知樣本進行分類，從而提高分類的準確率。 本文的工作得到了國家自然科學基金（61272282），“教育部新世紀優(yōu)秀人才支持計劃”（NCET-13-0948）和中央高�；A(chǔ)科研業(yè)務費（K50511020011）等項目的資助。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP751

【參考文獻】

相關(guān)期刊論文 前3條

1 李紅波,舒嶸,薛永祺;PHI超光譜成像系統(tǒng)及其海洋遙感應用前景分析[J];紅外與毫米波學報;2002年06期

2 童慶禧,鄭蘭芬,王晉年,王向軍,董衛(wèi)東,胡遠滿,黨順行;濕地植被成象光譜遙感研究[J];遙感學報;1997年01期

3 張良培,鄭蘭芬,童慶禧;利用高光譜對生物變量進行估計[J];遙感學報;1997年02期

相關(guān)博士學位論文 前1條

1 劉華文;基于信息熵的特征選擇算法研究[D];吉林大學;2010年

本文編號：2528982