【摘要】：隨著高光譜遙感處理技術(shù)的深入發(fā)展,高光譜圖像分類在近年來已經(jīng)越來越成為一個(gè)研究熱點(diǎn)。高光譜圖像分類技術(shù)面臨著如超高的光譜分辨率、有限的訓(xùn)練樣本及圖像噪聲等諸多挑戰(zhàn),本文基于現(xiàn)有的空間光譜核分類方法,充分利用高光譜圖像中地物分布的特點(diǎn)及高光譜數(shù)據(jù)特征間的相關(guān)性,在小樣本條件下,進(jìn)一步提高了高光譜圖像分類準(zhǔn)確率及分類效率。本文主要研究內(nèi)容有以下幾個(gè)方面:(1)提出兩種基于自適應(yīng)鄰域的空譜核高光譜圖像分類方法,一種是基于邊緣修正的超像素空間光譜核,通過方形窗口來對超像素邊緣處像素的同質(zhì)區(qū)域進(jìn)行約束,達(dá)到了較好的分類效果;另一種是低秩特征誘導(dǎo)的空間光譜核,此方法通過假設(shè)相鄰的像素更有可能是同一類地物,而同一的地物應(yīng)當(dāng)具有相似的光譜特征,即存在一種潛在的低秩性條件來篩選出這些同類像素來得到同質(zhì)區(qū)域,進(jìn)而構(gòu)造出低秩特征誘導(dǎo)的空間光譜核。(2)提出一種組合核與空間光譜核的統(tǒng)一形式。組合核與空間光譜核可看做分別在原始(歐氏)空間與特征(流形)空間提取空譜信息,而流形與歐氏空間在局部是相似的,依據(jù)這一假設(shè),本文提出一種一般化的空間光譜核。本文采取超像素作為這一局部區(qū)域,最后與多尺度超像素策略結(jié)合,提出了一種多尺度的基于鄰近超像素的空譜核分類方法。此方法在沒有增加額外參數(shù)的情況下進(jìn)一步提高分類精度,并且達(dá)到了極高的分類效率。在真實(shí)高光譜數(shù)據(jù)集上的分類結(jié)果驗(yàn)證了本文方法的有效性。
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP751
【圖文】：

第一章 緒 論1.1 研究背景與意義高光譜成像技術(shù)是 20 世紀(jì) 80 年代初在遙感領(lǐng)域發(fā)展起來的新興成像技術(shù)的硬件設(shè)備為成像光譜儀。成像光譜儀通過分光技術(shù)，將電磁波信號(hào)分解為許相鄰的波段，對應(yīng)波段上的能量被不同的傳感器捕獲，因此形成高光譜遙感圖像目多、光譜分辨率高的數(shù)據(jù)特點(diǎn)[1]。高光譜圖像的另外一個(gè)顯著特點(diǎn)為圖譜合一時(shí)記錄了地物的圖像和光譜信息，各個(gè)波段分別成像，因此各個(gè)波段的圖像疊合形成數(shù)據(jù)立方體，每個(gè)像元在各個(gè)波段圖像上的輻射值可以形成一條連續(xù)的光圖 1 為高光譜遙感的原理圖，同時(shí)該圖也充分體現(xiàn)了高光譜圖像的特點(diǎn)。高光譜像具有很高的光譜分辨率，能夠提供更為豐富的地球表面信息，因此受到了國內(nèi)的很大關(guān)注和廣泛應(yīng)用。

來進(jìn)行數(shù)據(jù)處理和分類。由于其無需對數(shù)據(jù)分布進(jìn)樣本時(shí)與其他基于統(tǒng)計(jì)的方法如最大似然法相比輸出可以表示如下 i iiy f w x 征，iw 是神經(jīng)元之間的連接權(quán)， 是激活閾值， 輸入數(shù)據(jù)加權(quán)，然后再通過激活函數(shù) f 得到輸出。斷函數(shù)等。上式中的權(quán)值即是要通過訓(xùn)練求得的參 BP)算法是用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)的常用算法，在得到可以直接帶入上式得到分類結(jié)果，文獻(xiàn)[14]的實(shí)驗(yàn)結(jié) 可以取得較好的分類結(jié)果。

第二章 幾種經(jīng)典的基于空譜聯(lián)合核的高光譜圖像分類方法是線性的分類器，在實(shí)際應(yīng)用中的泛化性能較弱，接下來我們以 SVM 為例來法。核方法傳統(tǒng) SVM 方法而言，兩類樣本的模式間的分界可能并不是線性。如圖 3 所問題就并非是線性可分的，一個(gè)解決此問題的方法即是將樣本映射到高維空間得其在高維空間線性可分，如圖 3 所示，若將此四個(gè)樣本映射到三維空間中，維空間中這四個(gè)樣本不在一個(gè)平面內(nèi)則一定可以找到一個(gè)合適的劃分超平面。令 表示將樣本 x 映射后的特征向量，那么式(2.13)所對應(yīng)的模型即變?yōu)?

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王斌;;基于高光譜圖像技術(shù)的水果表面農(nóng)藥殘留檢測觀察[J];種子科技;2017年04期

2 陳綾鋼;呂靖芳;;高光譜圖像技術(shù)在農(nóng)產(chǎn)品監(jiān)測中的應(yīng)用進(jìn)展[J];北京農(nóng)業(yè);2016年01期

3 朱貞映;袁建;何榮;;糧油中高光譜圖像技術(shù)的應(yīng)用現(xiàn)狀[J];糧食與飼料工業(yè);2016年09期

4 徐爽;何建國;馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術(shù)在水果品質(zhì)檢測中的研究進(jìn)展[J];食品研究與開發(fā);2013年10期

5 劉遵雄;蔣中慧;任行樂;;基于核方法協(xié)同表示的高光譜圖像分類[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2019年05期

6 葉珍;白t

本文編號(hào)：2780950