本文關(guān)鍵詞：基于稀疏表示的高光譜圖像分類和異常檢測研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：高光譜圖像分類和異常檢測是一種在高空使用遙感傳感器采集地面物體電磁波反射并對其進(jìn)行模式分類和異常點(diǎn)發(fā)現(xiàn)的技術(shù)。相對于傳統(tǒng)的多光譜遙感,高光譜遙感能夠?qū)D像的空間維信息和光譜反射特性曲線有機(jī)的結(jié)合,為高光譜圖像處理技術(shù)創(chuàng)造了有利的條件�；谙∈璞硎镜母吖庾V圖像分類和異常檢測是本文主要研究方向,本文的主要工作及研究成果為以下幾個(gè)方面：1.介紹了本論文的研究背景及意義,查閱了高光譜圖像分類和異常檢測的國內(nèi)外研究現(xiàn)狀,分析了高光譜影像的數(shù)據(jù)特點(diǎn)及描述方法。2.闡述了數(shù)據(jù)降維技術(shù)基本原理,重點(diǎn)介紹了幾種典型的數(shù)據(jù)降維算法及其特點(diǎn),對高光譜圖像的分類和異常檢測進(jìn)行研究,詳細(xì)介紹了幾種基于機(jī)器學(xué)習(xí)的有監(jiān)督分類問題和無監(jiān)督聚類算法。3.介紹了一種基于稀疏保留的高光譜圖像特征提取算法,在此基礎(chǔ)上提出一種基于稀疏和低秩表示圖的特征提取算法,并結(jié)合支持向量機(jī)分類器設(shè)計(jì)了高光譜圖像分類的流程。通過在三個(gè)高光譜數(shù)據(jù)集上的實(shí)驗(yàn),分析實(shí)驗(yàn)結(jié)果,驗(yàn)證所提出方法的有效性。4.分析了常用于高光譜圖像異常檢測的RX算法特點(diǎn),針對RX算法存在的不足,提出一種基于稀疏表示對RX算法進(jìn)行改進(jìn)的異常檢測方法,并在兩個(gè)高光譜數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),驗(yàn)證所提出方法的有效性。
【關(guān)鍵詞】：高光譜圖像 模式分類 異常檢測 稀疏表示 低秩表示 特征提取
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 第一章 緒論13-19
• 1.1 課題背景及研究意義13
• 1.2 高光譜圖像數(shù)據(jù)特性分析13-16
• 1.2.1 高光譜數(shù)據(jù)的描述13-15
• 1.2.2 高光譜數(shù)據(jù)的特性15-16
• 1.3 當(dāng)前研究現(xiàn)狀16-17
• 1.3.1 高光譜圖像分類研究現(xiàn)狀16-17
• 1.3.2 高光譜圖像異常檢測研究現(xiàn)狀17
• 1.4 論文內(nèi)容與組織結(jié)構(gòu)17-19
• 第二章 高光譜圖像數(shù)據(jù)處理技術(shù)19-31
• 2.1 數(shù)據(jù)降維技術(shù)研究19-24
• 2.1.1 波段選擇方法20
• 2.1.2 特征提取方法20-24
• 2.2 高光譜圖像分類技術(shù)介紹24-29
• 2.2.1 無監(jiān)督分類24
• 2.2.2 有監(jiān)督分類24-29
• 2.3 高光譜圖像異常檢測技術(shù)介紹29-30
• 2.4 本章小結(jié)30-31
• 第三章 基于稀疏表示的高光譜圖像特征提取與分類31-55
• 3.1 基于稀疏表示圖的高光譜圖像特征提取31-34
• 3.1.1 稀疏表示模型31-32
• 3.1.2 圖嵌入保留模型32-33
• 3.1.3 基于稀疏表示圖的特征提取33-34
• 3.2 基于稀疏和低秩表示圖的高光譜圖像特征提取34-38
• 3.3 實(shí)驗(yàn)內(nèi)容與結(jié)果分析38-54
• 3.3.1 University of Pavia數(shù)據(jù)集實(shí)驗(yàn)分析39-44
• 3.3.2 Indian Pines數(shù)據(jù)集實(shí)驗(yàn)分析44-49
• 3.3.3 Salinas數(shù)據(jù)集實(shí)驗(yàn)分析49-54
• 3.4 本章小結(jié)54-55
• 第四章 基于稀疏表示的高光譜圖像異常檢測55-67
• 4.1 RX異常檢測算法55-56
• 4.2 基于近鄰稀疏表示對RX算法改進(jìn)的異常檢測56-59
• 4.3 實(shí)驗(yàn)結(jié)果及分析59-66
• 4.3.1 實(shí)驗(yàn)評價(jià)指標(biāo)59-60
• 4.3.2 Indian Pines數(shù)據(jù)集實(shí)驗(yàn)分析60-63
• 4.3.3 Hymap數(shù)據(jù)集實(shí)驗(yàn)分析63-66
• 4.4 本章小結(jié)66-67
• 第五章 結(jié)論與展望67-69
• 5.1 結(jié)論67
• 5.2 展望67-69
• 參考文獻(xiàn)69-73
• 致謝73-75
• 研究成果及發(fā)表的學(xué)術(shù)論文75-77
• 作者和導(dǎo)師簡介77-78
• 碩士研究生學(xué)位論文答辯委員會決議書78-79

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳思寶;趙令;羅斌;;局部保持的稀疏表示字典學(xué)習(xí)[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

2 鄭軼;蔡體健;;稀疏表示的人臉識別及其優(yōu)化算法[J];華東交通大學(xué)學(xué)報(bào);2012年01期

3 段菲;章毓晉;;一種面向稀疏表示的最大間隔字典學(xué)習(xí)算法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

4 張佳宇;彭力;;基于聯(lián)合動態(tài)稀疏表示方法的多圖像人臉識別算法[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

5 查長軍;孫南;張成;韋穗;;基于稀疏表示的特定目標(biāo)識別[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2013年01期

6 朱啟兵;楊寶;黃敏;;基于核映射稀疏表示分類的軸承故障診斷[J];振動與沖擊;2013年11期

7 王國權(quán);張揚(yáng);李彥鋒;王麗芬;馬曉梅;;一種基于稀疏表示的圖像去噪算法[J];工業(yè)儀表與自動化裝置;2013年05期

8 耿耀君;張軍英;;一種基于投影稀疏表示的基因選擇方法[J];哈爾濱工程大學(xué)學(xué)報(bào);2011年08期

9 翟懿奎;甘俊英;徐穎;曾軍英;;快速稀疏表示指背關(guān)節(jié)紋識別及其并行實(shí)現(xiàn)[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2012年S1期

10 詹永照;張珊珊;成科揚(yáng);;基于非線性可鑒別的稀疏表示視頻語義分析方法[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運(yùn)營與云計(jì)算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進(jìn)展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點(diǎn)與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗(yàn)的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

  本文關(guān)鍵詞：基于稀疏表示的高光譜圖像分類和異常檢測研究，由筆耕文化傳播整理發(fā)布。

本文編號：296975