近年來,遙感圖像,尤其是高光譜圖像在農(nóng)業(yè)、環(huán)境檢測、軍事、外太空探索等領(lǐng)域中的作用逐漸增大,因此能夠?qū)Ω吖庾V圖像進行快速處理、分析顯得日益重要。但是由于高光譜圖像的光譜特征具有高維性以及獲取時云層、噪聲、光譜混雜等諸多因素的影響,人們?nèi)匀恍枰獙ふ姨幚硇Ч玫姆椒�。許多學(xué)者對于高光譜圖像處理的難處從不同的方向提出了很多算法,但是這些算法有著或多或少的不足之處,比如過早地判斷了一些特征的重要性或者是沒有應(yīng)用高光譜圖像的空間信息等缺點,使得沒有達到更好的效果。針對以上這兩點問題,本文對一些高光譜圖像的分類算法同樣從多角度,不同方面展開了研究,主要包括:1)提出基于局部聚類比例排序的動態(tài)高光譜波段選擇算法（DLCR）。首先,我們根據(jù)原始高光譜數(shù)據(jù)的分布來確定數(shù)據(jù)特征,即波段之間的差異大小,具體來說,我們借助閾值以及轉(zhuǎn)換為二維矩陣的高光譜數(shù)據(jù)來計算相似度矩陣。其次,在波段的聚類過程中,沒有考慮全局對局部的影響,而是針對每一個波段獨立分析,保證波段能夠正確聚類,可以有效降低波段孤立情況。最后在為波段分配等級時,是利用動態(tài)地選入,而非僅僅依靠在早期確定的等級來直接選擇。最終在實驗部分證明了DLCR... 

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

在IndianPines上選取波段的可視化結(jié)果

在PaviaUniversity上選取波段的可視化結(jié)果

th1對分類精度的影響


本文編號：3712983