近年來,隨著遙感技術(shù)的持續(xù)發(fā)展,高光譜圖像作為一種包含大量地面目標(biāo)細(xì)節(jié)信息的多通道圖像在分類、檢測以及聚類等領(lǐng)域得到了廣泛的應(yīng)用。然而,高光譜圖像同時也包含了大量的干擾信息,造成了“信息豐富知識匱乏”的假象,而且過高的維度給數(shù)據(jù)的處理也帶來諸多的不便,即所謂的“維度災(zāi)難”問題。因此,降維成為高光譜圖像研究的一個重要的預(yù)處理步驟。目前降維的方法可分為三類:基于監(jiān)督的降維算法、基于半監(jiān)督的降維算法和基于無監(jiān)督的降維算法。在基于監(jiān)督學(xué)習(xí)的方法上,針對稀疏表示的局限性引入低秩表示,在獲取數(shù)據(jù)局部信息的同時捕獲其全局結(jié)構(gòu)信息,這樣可以更有效的利用高光譜圖像的光譜信息;在基于半監(jiān)督學(xué)習(xí)的降維方法上,在關(guān)注標(biāo)記樣本的同時關(guān)注未標(biāo)記的樣本,利用無標(biāo)簽數(shù)據(jù)的類結(jié)構(gòu)信息,從而捕獲整個數(shù)據(jù)的局部幾何信息。文章在基于監(jiān)督方法和半監(jiān)督方法上分別做了如下改進(jìn):1)在基于監(jiān)督學(xué)習(xí)的降維算法方面,論文提出了基于低秩增強(qiáng)的加權(quán)稀疏圖降維算法。該算法的基本思路是通過加權(quán)稀疏表達(dá)來強(qiáng)化稀疏表示字典中一些相關(guān)原子的局部重要性,同時又通過引入系數(shù)矩陣的低秩約束來強(qiáng)調(diào)相關(guān)原子的全局重要性,并且通過懲罰參數(shù)來取得二者之間的平衡。在... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及研究意義
    1.2 國內(nèi)外的研究現(xiàn)狀
        1.2.1 基于監(jiān)督的高光譜圖像降維方法的研究現(xiàn)狀
        1.2.2 基于半監(jiān)督的高光譜圖像降維方法的研究現(xiàn)狀
    1.3 主要內(nèi)容和創(chuàng)新點
    1.4 文章的組織結(jié)構(gòu)
第二章 高光譜圖像及其降維算法概述
    2.1 高光譜遙感圖像的介紹
    2.2 基于監(jiān)督的高光譜圖像降維算法的介紹
        2.2.1 基于加權(quán)稀疏圖的降維算法
        2.2.2 稀疏和低秩圖的判別分析
    2.3 基于半監(jiān)督的高光譜圖像降維算法的介紹
        2.3.1 概率半監(jiān)督判別分析
        2.3.2 基于概率的圖形嵌入半監(jiān)督判別分析
    2.4 本章小結(jié)
第三章 基于低秩增強(qiáng)的加權(quán)稀疏圖降維算法研究
    3.1 加權(quán)核范數(shù)最小化方法
    3.2 基于低秩增強(qiáng)的加權(quán)稀疏圖降維算法
    3.3 低秩增強(qiáng)的加權(quán)稀疏圖算法的求解
    3.4 實驗結(jié)果與分析
        3.4.1 PaviaU數(shù)據(jù)集
        3.4.2 Indian Pines數(shù)據(jù)集
    3.5 本章小結(jié)
第四章 基于類概率的半監(jiān)督降維算法研究
    4.1 數(shù)據(jù)局部幾何信息的獲取
    4.2 數(shù)據(jù)類結(jié)構(gòu)信息的獲取
    4.3 基于類概率的半監(jiān)督降維算法的數(shù)學(xué)模型
    4.4 實驗與分析
        4.4.1 Salinas數(shù)據(jù)集
        4.4.2 PaviaU數(shù)據(jù)集
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
攻讀碩士期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]高光譜遙感技術(shù)發(fā)展與展望[J]. 張淳民,穆廷魁,顏廷昱,陳澤宇.  航天返回與遙感. 2018(03)
[2]聚類與自適應(yīng)波段選擇結(jié)合的高光譜圖像降維[J]. 張悅,官云蘭.  遙感信息. 2018(02)
[3]高分二號衛(wèi)星數(shù)據(jù)在土地變更調(diào)查與遙感監(jiān)測中的應(yīng)用研究[J]. 敖為赳,許調(diào)娟,王友富,王建鋒,關(guān)濤.  浙江國土資源. 2016(06)
[4]我國高分衛(wèi)星與應(yīng)用簡析[J]. 東方星.  衛(wèi)星應(yīng)用. 2015(03)
[5]高光譜遙感的發(fā)展與應(yīng)用[J]. 張達(dá),鄭玉權(quán).  光學(xué)與光電技術(shù). 2013(03)
[6]基于核最小噪聲分離變換的高光譜遙感影像特征提取研究[J]. 林娜,楊武年.  遙感技術(shù)與應(yīng)用. 2013(02)
[7]一種星載高光譜圖像特征提取算法的實現(xiàn)[J]. 畢文敬,張善從.  計算機(jī)應(yīng)用研究. 2011(10)
[8]偏振干涉成像光譜儀的視場展寬設(shè)計與分析[J]. 穆廷魁,張淳民,任文藝,張霖,祝寶輝.  物理學(xué)報. 2011(07)
[9]高光譜遙感技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀[J]. 楊國鵬,余旭初,馮伍法,劉偉,陳偉.  測繪通報. 2008(10)
[10]一種改進(jìn)的高光譜數(shù)據(jù)自適應(yīng)波段選擇方法[J]. 楊金紅,尹球,周寧.  遙感技術(shù)與應(yīng)用. 2007(04)

碩士論文
[1]高光譜遙感圖像降維技術(shù)研究[D]. 張悅.東華理工大學(xué) 2018
[2]稀疏子空間算法及在高光譜圖像聚類中的應(yīng)用研究[D]. 丁云.安徽大學(xué) 2018
[3]基于粒子群和互信息的高光譜圖像波段選擇和分類[D]. 袁永福.西安電子科技大學(xué) 2014
[4]基于克隆選擇算法的高光譜圖像波段選擇[D]. 楊三美.華中科技大學(xué) 2011
[5]基于支持向量機(jī)的高光譜遙感圖像分類[D]. 郭春燕.哈爾濱工程大學(xué) 2007
[6]高光譜遙感影像地面?zhèn)窝b目標(biāo)檢測方法的研究[D]. 王同招.浙江大學(xué) 2006



本文編號：3254015