高光譜遙感圖像作為一種三維立體圖像,它整合了圖像的空間信息與光譜信息。隨著高光譜遙感技術(shù)的快速發(fā)展,高光譜圖像在過去的幾十年中已被廣泛用于圖像融合、光譜分離、分類、農(nóng)業(yè)監(jiān)測、目標(biāo)檢測和快速計(jì)算等。由于高光譜圖像具有高光譜分辨率的特點(diǎn),高光譜圖像分類逐漸成為一個(gè)重要的研究領(lǐng)域,它不僅能夠高精度地檢測和區(qū)分土地覆蓋類別之間的微小差異,而且在經(jīng)濟(jì)和軍事領(lǐng)域也發(fā)揮著不可或缺的作用。但高光譜數(shù)據(jù)的特點(diǎn)也使得高光譜分類面對許多挑戰(zhàn),因此,本論文的研究重點(diǎn)是通過如何充分提取和結(jié)合高光譜圖像的光譜和空間特征從而提高分類精度。本文的主要研究內(nèi)容如下:1.高光譜圖像具有幾十甚至上百個(gè)波段,但是它的訓(xùn)練樣本的數(shù)量是有限的,這一事實(shí)導(dǎo)致了被稱為休斯現(xiàn)象的維數(shù)災(zāi)難問題。針對傳統(tǒng)的基于SVM高光譜圖像分類算法訓(xùn)練樣本不足的問題,本文提出了一種基于權(quán)重的光譜和空間信息的半監(jiān)督分類算法。首先通過相鄰樣本之間的權(quán)重去更新高光譜數(shù)據(jù),使得高光譜數(shù)據(jù)具有判別性。同時(shí),本文引入半監(jiān)督分類緩解了高光譜訓(xùn)練樣本不足的問題。最后,不同于普通的基于SVM和邏輯回歸結(jié)合方法,將用矩形窗口提取SVM輸出的空間鄰域信息送到邏輯回歸中進(jìn)行分...

【文章頁數(shù)】：77 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
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容和章節(jié)安排
第2章 高光譜圖像分類基礎(chǔ)
    2.1 高光譜遙感數(shù)據(jù)
    2.2 SVM
    2.3 高光譜圖像分類性能評價(jià)準(zhǔn)則
    2.4 本章小結(jié)
第3章 基于加權(quán)譜空間的半監(jiān)督高光譜圖像分類算法
    3.1 引言
    3.2 邏輯回歸
    3.3 基于加權(quán)譜空間的高光譜圖像半監(jiān)督分類算法
    3.4 仿真實(shí)驗(yàn)結(jié)果與分析
        3.4.1 AVIRIS Indian Pines數(shù)據(jù)集
        3.4.2 ROSIS Pavia of University數(shù)據(jù)集
        3.4.3 AVIRIS Salinas數(shù)據(jù)集
        3.4.4 參數(shù)K和 W對分類精度的影響
        3.4.5 不同數(shù)量的訓(xùn)練樣本對分類精度的影響
        3.4.6 算法時(shí)間對比
    3.5 本章小結(jié)
第4章 基于譜梯度、SVM和空間隨機(jī)森林的高光譜圖像分類算法
    4.1 引言
    4.2 隨機(jī)森林
    4.3 基于譜梯度、SVM和空間隨機(jī)森林的高光譜圖像分類方法
    4.4 仿真實(shí)驗(yàn)結(jié)果與分析
        4.4.1 AVIRIS Indian Pines數(shù)據(jù)集
        4.4.2 ROSIS Pavia of University數(shù)據(jù)集
        4.4.3 AVIRIS Salinas數(shù)據(jù)集
    4.5 本章小結(jié)
第5章 基于多尺度雙邊濾波器的高光譜圖像分類算法
    5.1 引言
    5.2 雙邊濾波
    5.3 基于多尺度雙邊濾波器的高光譜圖像分類算法
    5.4 實(shí)驗(yàn)結(jié)果及討論分析
        5.4.1 AVIRIS Indian Pines數(shù)據(jù)集
        5.4.2 ROSIS Pavia of University數(shù)據(jù)集
        5.4.3 AVIRIS Salinas數(shù)據(jù)集
        5.4.4 窗口大小W對分類精度的影響
        5.4.5 不同數(shù)量的標(biāo)記樣本對分類精度的影響
        5.4.6 算法時(shí)間對比
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的文章和取得的科研成果
致謝



本文編號(hào)：3791913