隨著高光譜遙感技術(shù)的快速發(fā)展,高光譜遙感數(shù)據(jù)的光譜分辨率和空間分辨率日益提高,在社會生活各個領(lǐng)域的應(yīng)用也越來越廣泛。高光譜遙感數(shù)據(jù)擁有特別豐富的空間信息和光譜信息,尤其是光譜信息。利用其豐富的空間信息和光譜信息,可以對高光譜圖像進行一系列的分析與處理,包括地物分類。本論文主要在基于空域濾波的方法和生成式對抗網(wǎng)絡(luò)模型的基礎(chǔ)上,對高光譜圖像的地物分類問題展開研究,最終目的是進一步提高現(xiàn)有高光譜圖像的分類效率與精度,從而更加方便高光譜數(shù)據(jù)后續(xù)的信息再次利用與處理。論文的研究內(nèi)容主要包括以下幾個方面:1.隨著高光譜圖像的空間分辨率日益提高,豐富的空間信息給后續(xù)數(shù)據(jù)的分析處理帶來了不可替代的價值,利用空間信息進行分類可以很有效地提高分類精度。論文提出一種基于空域濾波配合SVM分類器來進行高光譜圖像分類效果和分類時間提升的方法,巧妙的利用空域濾波對數(shù)據(jù)的平滑特性,合理的加入數(shù)據(jù)的空間信息,來有效的對后續(xù)的分類效果和分類時間進行雙重提升。另外論文對現(xiàn)存的幾種比較有代表性的空譜聯(lián)合的經(jīng)典分類方法做了一個比較系統(tǒng)的統(tǒng)計與分析,在證明本工作點算法高效性的同時,為濾波類高光譜圖像分類方法在實際工程中的應(yīng)用提供一個理論指導(dǎo)。2.生成式對抗網(wǎng)絡(luò)是一種由兩個網(wǎng)絡(luò)組成的生成式網(wǎng)絡(luò)模型。論文提出一種將生成式對抗網(wǎng)絡(luò)運用于高光譜圖像分類的方法,在該網(wǎng)絡(luò)模型中,生成式對抗網(wǎng)絡(luò)的最終目的不再是生成模擬真實數(shù)據(jù)的樣本,而是意在分類,也就是把判別網(wǎng)絡(luò)訓(xùn)練成一個適合于高光譜圖像分類的分類器,在這其間生成網(wǎng)絡(luò)起到了一個很好的輔助分類的作用。具體做法是對判別網(wǎng)絡(luò)輸出結(jié)構(gòu)進行改進使之成為分類網(wǎng)絡(luò),同時對生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)的損失函數(shù)做相關(guān)的改進變形,使之成為了一個適合于高光譜圖像分類的半監(jiān)督網(wǎng)絡(luò)模型。論文同樣在此工作點利用光譜信息和空譜結(jié)合信息分別做了實驗,以充分證明該方法的有效性。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP751
【部分圖文】：

西安電子科技大學(xué)碩士學(xué)位論文器訓(xùn)練過程中支持向量的個數(shù)，從而在提升分類精度的同時大量減少分類時間。給高光譜圖像的分類結(jié)果帶來精度和時間上的雙重提升。算法結(jié)構(gòu)示意圖如圖3.1所示。圖3.1 f-SVM方法圖示另一方面，對于算法所使用的濾波器，由于一般的空域濾波器例如維納、高斯等僅僅具有空域平滑的作用，對數(shù)據(jù)空間信息的提取不夠準確詳盡，故而論文加入幾種帶有邊緣保持性質(zhì)的濾波器來進行輔助分類，實驗證明邊緣保持濾波器的使用在提升分類時間的同時會對實驗的分類精度再有一個大幅度的提升。對論文中所用邊緣保持性質(zhì)的濾波器下一小節(jié)會做一個詳盡的介紹。3.1.2空間濾波器1）雙邊濾波器雙邊濾波器是一種非線性的帶有邊緣保持性質(zhì)的濾波器[70, 71]。該濾波器在進行平滑濾波的時候不僅利用了圖像空間域方面的信息，而且利用值域方面的信息。它的輸出是由原始像素點所有鄰域像素的加權(quán)平均值得來的，而雙邊濾波器之所以能夠具有邊緣保持性質(zhì)就是因為它的權(quán)值不僅僅依靠圖像空間的歐式距離等信息，還與圖像值域的像素點強度值的差異有關(guān)。如式3-1所示。O(i) =j∈ iP (j)ω(i, j)j∈ iω(i, j)(3-1)其中，O(i)表示像素點i經(jīng)過濾波器之后的輸出

波段參與實驗。Indian Pines數(shù)據(jù)集的偽彩色圖和真實的地物信息如圖3.2所示。2）Salinas數(shù)據(jù)集Salinas數(shù)據(jù)集同樣是由AVIRIS傳感器獲取的，該數(shù)據(jù)集采集于美國加利福尼亞州的一個山谷地帶，由224個波段組成，包含512×217個像素，空間分辨率3.7m。Salinas數(shù)據(jù)集包含16種地物類別，其中包括休耕地、芹菜、雜草等多種植被。如Indian Pines數(shù)據(jù)集一樣，被水汽吸收的20個波段（108至122,154至167,224）并沒有包含太多有用的信息，故而將其移除，余下的204個波段參與接下來的實驗。Salinas數(shù)據(jù)集的偽彩色圖和真實的地物信息如圖3.3所示。3）University of Pavia數(shù)據(jù)集University of Pavia數(shù)據(jù)集是由ROSIS（the Reflective Optics System Imaging Spec-trometry）傳感器獲取的

Salinas數(shù)據(jù)集的偽彩色圖和真實的地物信息如圖3.3所示。3）University of Pavia數(shù)據(jù)集University of Pavia數(shù)據(jù)集是由ROSIS（the Reflective Optics System Imaging Spec-trometry）傳感器獲取的，數(shù)據(jù)采集自意大利北部的帕維亞的一個學(xué)校，空間分辨率達到1.3m。該數(shù)據(jù)集包含610×610個像素點，分別有103個光譜波段。Universityof Pavia數(shù)據(jù)集的地物類別共9類，其中包含柏油路面、草地、碎石、樹木、裸地等19

【參考文獻】

相關(guān)期刊論文 前6條

1 楊國鵬;余旭初;馮伍法;劉偉;陳偉;;高光譜遙感技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀[J];測繪通報;2008年10期

2 楊國鵬;余旭初;劉偉;陳偉;;基于支持向量機的高光譜影像分類研究[J];計算機工程與設(shè)計;2008年08期

3 景貴飛;;當前遙感技術(shù)發(fā)展及產(chǎn)業(yè)化分析[J];地理信息世界;2007年03期

4 錢樂祥,泮學(xué)芹,趙芊;中國高光譜成像遙感應(yīng)用研究進展[J];國土資源遙感;2004年02期

5 鄭玉權(quán),禹秉熙;成像光譜儀分光技術(shù)概覽[J];遙感學(xué)報;2002年01期

6 謝禮立,張景發(fā);防震減災(zāi)中衛(wèi)星遙感技術(shù)應(yīng)用分析[J];自然災(zāi)害學(xué)報;2000年04期

本文編號：2826647