【摘要】：高光譜圖像分類是其處理及分析過程中的重要研究內(nèi)容,在環(huán)境保護(hù)、土地監(jiān)測(cè)及軍事偵察等領(lǐng)域得到廣泛應(yīng)用,倍受研究者關(guān)注。受高光譜圖像標(biāo)記樣本少及“同物異譜,同譜異物”等因素影響,僅利用光譜特征的傳統(tǒng)分類模型精度較低。研究發(fā)現(xiàn),刻畫像素點(diǎn)與其近鄰間關(guān)系的空間信息可輔助完成分類任務(wù),圍繞同時(shí)利用空間信息與光譜信息構(gòu)造分類模型的研究取得可喜進(jìn)展,但其利用的簡單人工特征表達(dá)能力有限且易受高光譜圖像中噪聲點(diǎn)干擾。稀疏表示及字典學(xué)習(xí)模型可有效獲得像素點(diǎn)的魯棒表示特征,因此在高光譜圖像分類領(lǐng)域受到廣泛到關(guān)注,但如何有效利用高光譜圖像像素點(diǎn)的多特征進(jìn)行表示學(xué)習(xí)仍需進(jìn)一步研究。為此,本文圍繞基于多特征的稀疏表示和字典學(xué)習(xí)展開研究,以提升高光譜圖像的分類精度。論文的主要研究工作如下:1.提出了基于自適應(yīng)稀疏表示的多特征核高光譜圖像分類算法(MFK-ASR)。該算法首先提取高光譜圖像的多種特征,同時(shí)利用分水嶺分割算法將圖像劃分成若干個(gè)空間組。通過對(duì)每個(gè)空間組內(nèi)所有像素點(diǎn)的多種特征施加自適應(yīng)稀疏項(xiàng)ladaptive,0并嵌入多特征的系數(shù)重構(gòu)誤差,使得每種特征自適應(yīng)地選擇合適的字典原子,從而有效利用空間鄰域信息及多特征互補(bǔ)相關(guān)信息以提升編碼系數(shù)的判別性。進(jìn)一步,運(yùn)用核方法提出多特征的非線性自適應(yīng)稀疏表示模型。在擁有較大空間結(jié)構(gòu)及光譜混淆類的Indian Pines圖像和空間結(jié)構(gòu)小而復(fù)雜的University of Pavia圖像上的實(shí)驗(yàn)結(jié)果表明,該算法有效提升了高光譜圖像的分類精度,且對(duì)小樣本類有很高的分類精度。2.提出了基于空間感知字典學(xué)習(xí)的多特征核高光譜圖像分類算法(MFK-SADL)。該算法采用與MFK-ASR同樣的方法,對(duì)高光譜圖像進(jìn)行多種特征提取以及空間組劃分。通過對(duì)每個(gè)空間組內(nèi)所有像素點(diǎn)的多種特征施加聯(lián)合稀疏約束lrow,0和嵌入多特征的系數(shù)重構(gòu)誤差,協(xié)同空間鄰域信息和多特征信息進(jìn)行字典學(xué)習(xí),并利用核方法提出了多特征的非線性字典學(xué)習(xí)模型。實(shí)驗(yàn)結(jié)果表明,該方法對(duì)不同場(chǎng)景的圖像(Indian Pines和University of Pavia)都有較好的分類效果,尤其對(duì)空間結(jié)構(gòu)小而復(fù)雜的高光譜圖像有顯著的分類精度提升。3.提出了基于類子字典學(xué)習(xí)的多特征核高光譜圖像分類算法(MFK-CSDL)。該算法采用與MFK-SADL同樣的特征提取和圖像分割方法,對(duì)高光譜圖像進(jìn)行多特征提取和空間組劃分。通過對(duì)每類訓(xùn)練樣本的多種特征施加聯(lián)合稀疏約束lrow,0以及嵌入多特征的系數(shù)重構(gòu)誤差來有效融合多種特征的互補(bǔ)相關(guān)信息,為每類樣本的每種特征學(xué)習(xí)得到有較高判別力的字典。基于預(yù)先學(xué)習(xí)得到的字典,對(duì)每個(gè)空間組中所有像素點(diǎn)的多特征進(jìn)行聯(lián)合稀疏編碼,提升編碼系數(shù)的可區(qū)分性。進(jìn)一步,運(yùn)用核方法擴(kuò)展線性模型提出了多特征核類子字典學(xué)習(xí)模型。該模型僅利用每類訓(xùn)練樣本學(xué)習(xí)對(duì)應(yīng)的子字典,訓(xùn)練階段運(yùn)行時(shí)間較短。在公開數(shù)據(jù)集Indian Pines和University of Pavia上的實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
【圖文】：

水嶺的高光譜圖像分割進(jìn)行介紹。然后，從稀疏表示基本理論、稀疏表示分類模逡逑型、字典學(xué)習(xí)三個(gè)方面對(duì)稀疏學(xué)習(xí)進(jìn)行詳細(xì)講解。再者，對(duì)本文主要工作中用到逡逑的核方法將進(jìn)行簡要介紹，包括其主要思想、解決的主要問題、常見的核函數(shù)等。逡逑２．邋１高光譜遙感圖像逡逑２．１．１高光譜遙感數(shù)據(jù)簡介逡逑起源于２０世紀(jì)６０年代的遙感技術(shù)，利用對(duì)電磁波敏感的傳感器可非接觸地逡逑對(duì)遠(yuǎn)距離目標(biāo)的電磁波進(jìn)行監(jiān)測(cè)和感知，然后通過處理可得到相應(yīng)的地物性質(zhì)、逡逑特征、規(guī)律等信總，進(jìn)而進(jìn)行地物的研究分析。隨著航空航天、計(jì)算機(jī)、光學(xué)等逡逑高新技術(shù)的發(fā)展，遙感成像光譜儀的分辨率得以不斷提高，遙感技術(shù)也由原來的逡逑多光譜遙感發(fā)展成為現(xiàn)代的高光譜遙感甚至是超光譜遙感，得到相應(yīng)的多光譜圖逡逑像、高光譜圖像和超光譜圖像。多光譜圖像是在可見光和近紅外范圍內(nèi)、光譜分逡逑辨率達(dá)到ｌ0－１Ｘ?cái)?shù)量級(jí)的遙感圖像，一般包含數(shù)個(gè)光譜波段數(shù)據(jù)。而高光譜圖像逡逑是在可見光和紫外線范圍內(nèi)、光譜分辨率可達(dá)到１0之?dāng)?shù)量級(jí)的遙感圖像，包含逡逑數(shù)十到數(shù)百個(gè)光譜波段數(shù)據(jù)。超光譜圖像則在可見光至短波紅外范圍內(nèi)、光譜分逡逑辨率達(dá)到１（Ｔ＼數(shù)量級(jí)的遙感圖像，同樣可包含數(shù)十到數(shù)百個(gè)光譜波段數(shù)據(jù)。逡逑

逡逑圖２．１高光譜圖像三維展示［２１］逡逑＇邐本文研究的主要對(duì)象是高光譜遙感圖像，其每個(gè)像素點(diǎn)的光譜曲線都是連續(xù)逡逑的，且不同地物的光譜曲線一般是不同的，因此可根據(jù)這一特性對(duì)氋光譜圖像進(jìn)逡逑行分類。但是由于高光譜圖像存在維數(shù)災(zāi)難、類間差異大、非線性可分等問題，逡逑這給高光譜圖像的分類帶來了諸多挑戰(zhàn)。逡逑９逡逑
【學(xué)位授予單位】：南京師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP751;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 秦振濤;楊武年;楊茹;潘佩芬;鄧琮;;基于結(jié)構(gòu)性字典學(xué)習(xí)的高光譜遙感圖像分類[J];西南交通大學(xué)學(xué)報(bào);2015年02期

2 倪鼎;馬洪兵;;基于近鄰協(xié)同的高光譜圖像譜-空聯(lián)合分類[J];自動(dòng)化學(xué)報(bào);2015年02期

相關(guān)博士學(xué)位論文 前1條

1 高恒振;高光譜遙感圖像分類技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前1條

1 趙振凱;結(jié)合近鄰選擇的高光譜圖像分類算法研究[D];南京師范大學(xué);2016年

，

本文編號(hào)：2710056