高光譜遙感是一種通過對地物進(jìn)行精細(xì)觀測以獲取信息的手段,是遙感發(fā)展史上最具標(biāo)志性的成果,高光譜圖像的目標(biāo)檢測是現(xiàn)階段的一個研究熱點(diǎn)。在民用領(lǐng)域,高光譜目標(biāo)檢測在農(nóng)作物監(jiān)測、環(huán)境減災(zāi)、考古、資源勘探等方面有著廣泛的應(yīng)用;在軍事領(lǐng)域,高光譜目標(biāo)檢測在目標(biāo)反偽裝、目標(biāo)偵察、地雷探測等方面也有眾多非常成功的應(yīng)用。本文主要從高光譜數(shù)據(jù)的特點(diǎn)出發(fā),在利用波段選擇實(shí)現(xiàn)降維的基礎(chǔ)上,結(jié)合核方法和稀疏表示理論,實(shí)現(xiàn)高光譜圖像的目標(biāo)檢測。論文首先介紹了與高光譜目標(biāo)檢測有關(guān)的基本理論�？偨Y(jié)了高光譜數(shù)據(jù)的基本特征;闡述了對高光譜圖像進(jìn)行數(shù)據(jù)降維的重要作用,研究基于波段選擇和基于特征提取兩類降維方法;介紹了高光譜圖像目標(biāo)檢測的基本理論,總結(jié)了高光譜目標(biāo)檢測的經(jīng)典算法;同時,介紹了稀疏表示的相關(guān)理論,給出了信號稀疏表示的數(shù)學(xué)模型,并對稀疏表示的兩個重要問題:字典訓(xùn)練和求解稀疏表示系數(shù),給出了經(jīng)典的解決方法。然后,針對高光譜數(shù)據(jù)冗余度高、數(shù)據(jù)量大的問題,對高光譜數(shù)據(jù)進(jìn)行降維處理。分析并改進(jìn)人工魚群算法和蟻群算法,將其相融合得到一種混合的群智能波段選擇算法,從原始所有波段中選出起主要作用的波段子集,波段子集具有較強(qiáng)的... 

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 高光譜遙感技術(shù)研究現(xiàn)狀
        1.2.2 高光譜圖像目標(biāo)檢測研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 本文章節(jié)安排
第2章 高光譜目標(biāo)檢測的相關(guān)理論
    2.1 高光譜圖像數(shù)據(jù)
        2.1.1 高光譜數(shù)據(jù)的描述形式
        2.1.2 高光譜數(shù)據(jù)特征
    2.2 高光譜圖像降維
        2.2.1 降維的必要性
        2.2.2 波段選擇
        2.2.3 特征提取
    2.3 高光譜圖像目標(biāo)檢測理論
    2.4 稀疏表示
        2.4.1 稀疏表示模型
        2.4.2 稀疏表示的系數(shù)求解
        2.4.3 字典訓(xùn)練
    2.5 本章小結(jié)
第3章 基于混合群智能算法的波段選擇
    3.1 算法思想
    3.2 改進(jìn)的人工魚群算法
    3.3 蟻群算法
    3.4 混合群智能算法的步驟
    3.5 實(shí)驗(yàn)結(jié)果及分析
    3.6 本章小結(jié)
第4章 基于核稀疏法的高光譜圖像的目標(biāo)檢測
    4.1 基于稀疏表示的高光譜目標(biāo)檢測算法
    4.2 核稀疏表示
        4.2.1 核方法
        4.2.2 核稀疏表示模型
        4.2.3 KOMP算法
        4.2.4 K-KSVD算法
    4.3 基于核稀疏表示的高光譜目標(biāo)檢測算法
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)及預(yù)處理
        4.4.2 目標(biāo)檢測實(shí)驗(yàn)
        4.4.3 波段選擇對性能的優(yōu)化
    4.5 本章小結(jié)
第5章 結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]加權(quán)概率原型分析的高光譜影像波段選擇[J]. 孫偉偉,張殿發(fā),楊剛,李巍岳.  遙感學(xué)報. 2018(01)
[2]多縱模高光譜分辨率激光雷達(dá)研究[J]. 成中濤,劉東,劉崇,白劍,羅敬,唐培鈞,周雨迪,張與鵬,徐沛拓,汪凱巍,沈亦兵,楊甬英.  光學(xué)學(xué)報. 2017(04)
[3]基于無人機(jī)高光譜遙感的冬小麥葉面積指數(shù)反演[J]. 高林,楊貴軍,于海洋,徐波,趙曉慶,董錦繪,馬亞斌.  農(nóng)業(yè)工程學(xué)報. 2016(22)
[4]基于去噪降維和蝙蝠優(yōu)化的高光譜圖像盲解混算法[J]. 賈志成,薛允艷,陳雷,郭艷菊,許浩達(dá).  光子學(xué)報. 2016(05)
[5]基于壓縮感知理論的雷達(dá)成像技術(shù)與應(yīng)用研究進(jìn)展[J]. 李少東,楊軍,陳文峰,馬曉巖.  電子與信息學(xué)報. 2016(02)
[6]基追蹤問題的近點(diǎn)算法及其應(yīng)用研究[J]. 張小亞,張慧,王紅霞.  計算機(jī)工程與科學(xué). 2016(01)
[7]高光譜遙感技術(shù)及資源勘查應(yīng)用進(jìn)展[J]. 李志忠,汪大明,劉德長,劉銀年,趙慧潔,黨福星.  地球科學(xué)(中國地質(zhì)大學(xué)學(xué)報). 2015(08)
[8]基于AUC的非參數(shù)快速變點(diǎn)檢測算法[J]. 吳學(xué)龍,徐維超.  計算機(jī)與現(xiàn)代化. 2015(07)
[9]基于統(tǒng)計檢驗(yàn)的核函數(shù)度量方法研究[J]. 王裴巖,蔡東風(fēng).  計算機(jī)科學(xué). 2015(04)
[10]結(jié)合KSVD和分類稀疏表示的圖像壓縮感知[J]. 翟雪含,朱衛(wèi)平,康彬.  計算機(jī)工程與應(yīng)用. 2015(06)

碩士論文
[1]基于稀疏表示的高光譜圖像分類和異常檢測研究[D]. 劉佳彬.北京化工大學(xué) 2016
[2]高光譜圖像波段選擇方法的研究[D]. 魏芳潔.哈爾濱工程大學(xué) 2013



本文編號：3699807