【摘要】：隨著遙感技術(shù)的發(fā)展,遙感圖像的光譜分辨率、時間分辨率和空間分辨率都在逐步提高,人們可以從遙感圖像中獲得更多的有用信息。目前,遙感技術(shù)已經(jīng)廣泛應(yīng)用于軍事、環(huán)境監(jiān)測、農(nóng)業(yè)等各個領(lǐng)域。近年來,稀疏理論作為圖像處理領(lǐng)域的一個研究熱點,已經(jīng)應(yīng)用于遙感圖像中。本文在研究稀疏理論的基礎(chǔ)上,對多光譜和高光譜兩種遙感圖像進(jìn)行研究,以提高紅樹林遙感圖像分類為研究目的,其主要研究內(nèi)容如下:(1)針對多光譜遙感圖像,提出一種基于加權(quán)鄰域平滑稀疏表示的遙感圖像分類算法。首先針對紅樹林遙感圖像的特殊性質(zhì),融合光譜特征以外的地理、紋理等多種特征;然后利用K-奇異值分解(K-SVD)算法訓(xùn)練樣本數(shù)據(jù)構(gòu)成過完備字典,以像元的曼哈頓距離的平均值表示像元間的相似性,通過加權(quán)函數(shù)對不同的相鄰像元分配不同的權(quán)重;最后通過正交匹配追蹤算法(OMP)求解稀疏系數(shù),根據(jù)重構(gòu)殘差判斷像元所屬類別。通過在漳江口紅樹林自然保護(hù)區(qū)TM多光譜遙感圖像數(shù)據(jù)集上展示了算法的有效性。(2)針對高光譜遙感圖像,提出一種基于監(jiān)督稀疏嵌入保持投影的高光譜降維算法。由于高光譜波段數(shù)目多,計算量大的問題,降維是高光譜圖像重要的研究熱點。傳統(tǒng)的稀疏保持投影(SPP)是一種無監(jiān)督降維算法,在其基礎(chǔ)上,考慮到樣本的流形結(jié)構(gòu)信息,利用標(biāo)簽信息構(gòu)建權(quán)重矩陣,突出標(biāo)記樣本內(nèi)在的局部流行的作用。并且在SPP目標(biāo)函數(shù)基礎(chǔ)上考慮同類樣本間距,即同時讓目標(biāo)函數(shù)的重構(gòu)殘差和同類樣本間距達(dá)到最小。通過在高光譜公共數(shù)據(jù)集Indian Pines和漳江口紅樹林自然保護(hù)區(qū)HJ1A-HSI上證明了算法的有效性�；谙∈枥碚摰倪b感圖像分類研究具有良好的前景和發(fā)展,并且本文將其應(yīng)用到紅樹林濕地遙感圖像中,針對不同的遙感圖像,提出不同的決策方法,對濕地保護(hù)監(jiān)測分類具有重大的理論和實際價值。
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP751
【圖文】：

圖 2.1 線性可分下的分類間隔中d 表示的是兩個超平面的距離，兩邊同時除以d 就可以。則上式表示的兩個平行超平面分別到式表示的超平面分則分類間隔。等價于最小化下式如下的目標(biāo)函數(shù)：..()1(1,..,)02wstywxwiniTi+≥= 所屬類別標(biāo)簽。對于線性不可分的情況，則上式的約束條變量ξ 則可以改寫成：)1-(1,..,)0wini+ ≥ξ =示訓(xùn)練樣本ix 的松弛變量�？紤]到訓(xùn)練誤差，所以目標(biāo)函 + n2

3.4.2 漳江口紅樹林自然保護(hù)區(qū) TM 數(shù)據(jù)集實驗在實驗中，每類地物分別選取 100 個樣本（共 100×7 個樣本）作本，采用 K-SVD 算法分別訓(xùn)練字典。實驗的硬件平臺 Inter Core i5-43.30GHz 8GB，軟件平臺是 Matlab R2013a。其中，圖 3.2 是原始的漳林自然保護(hù)區(qū) TM 假彩色合成圖，圖 3.3 顯示出不同算法的分類結(jié)果（a）是支持向量機（SVM）算法；（b）是隨機森林（RF）算法；（合稀疏表示分類器（SRU）算法；（d）是 LC-KSVD2[65]（Label Consist 算法；（e）是鄰域平滑稀疏表示分類器（SRS）算法；（f）是加權(quán)稀疏表示（WSRS）算法。為了對本實驗分類結(jié)果進(jìn)行更有效的評估，本章采用混淆矩陣、Kappa 系數(shù)評價指標(biāo)來對各個算法進(jìn)行客觀評價。遙感圖像的測試樣實地考察并結(jié)合 TM 圖像與 Google earth 高分辨率圖像，然后對每類選取 200（共 200*7）個真實點構(gòu)造而成的。六種算法的混淆矩陣、Kappa 系數(shù)、錯分率和漏分率分別如表 3.3、表 3.4 和表 3.5 所示。紅樹林灘

30（e）SRS （f）WSRS圖 3.3 各個算法在遙感圖像的分類結(jié)果圖表 3.3 各個算法分類的混淆矩陣的比較類SVM RFC1 C2 C3 C4 C5 C6 C7 合 C1 C2 C3 C4 C5 C6 C7 合C1 182 0 0 0 0 0 63 245 190 0 0 4 0 0 38 232C2 0 194 0 0 0 31 0 225 0 188 0 0 0 14 0 202C3 0 0 170 0 0 15 0 185 0 0 189 0 0 17 0 206C4 0 0 0 200 3 0 0 203 0 0 0 196 3 0 0 199C5 0 0 0 0 197 0 2 199 0 6 0 0 197 6 23 232C6 0 6 28 0 0 154 0 188 0 6 11 0 0 163 0 180C7 18 0 2 0 0 0 135 155 10 0 0 0 0 0 139 149合 200 200 200 200 200 200 200 1 400 200 200 200 200 200 200 200 1 400

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張雪紅;周杰;魏瑗瑗;朱曄;;結(jié)合潮位信息的紅樹林遙感識別[J];南京信息工程大學(xué)學(xué)報(自然科學(xué)版);2013年06期

2 孫永光;趙冬至;郭文永;高陽;蘇岫;衛(wèi)寶泉;;紅樹林生態(tài)系統(tǒng)遙感監(jiān)測研究進(jìn)展[J];生態(tài)學(xué)報;2013年15期

3 趙春暉;李曉慧;朱海峰;;空間4-鄰域稀疏表示的高光譜圖像目標(biāo)檢測[J];哈爾濱工程大學(xué)學(xué)報;2013年09期

4 宋相法;焦李成;;基于稀疏表示及光譜信息的高光譜遙感圖像分類[J];電子與信息學(xué)報;2012年02期

5 梅鋒;趙春暉;;基于空域濾波的核RX高光譜圖像異常檢測算法[J];哈爾濱工程大學(xué)學(xué)報;2009年06期

6 李偉;崔麗娟;張曼胤;王義飛;;遙感技術(shù)在紅樹林濕地研究中的應(yīng)用述評[J];林業(yè)調(diào)查規(guī)劃;2008年05期

7 趙春暉;陳萬海;楊雷;;高光譜遙感圖像最優(yōu)波段選擇方法的研究進(jìn)展與分析[J];黑龍江大學(xué)自然科學(xué)學(xué)報;2007年05期

8 陳亮;劉希;張元;;結(jié)合光譜角的最大似然法遙感影像分類[J];測繪工程;2007年03期

9 閆峰;李茂松;王艷姣;覃志豪;;遙感技術(shù)在農(nóng)業(yè)災(zāi)害監(jiān)測中的應(yīng)用[J];自然災(zāi)害學(xué)報;2006年06期

10 劉仁釗,廖文峰;遙感圖像分類應(yīng)用研究綜述[J];地理空間信息;2005年05期

本文編號：2774831