高光譜圖像提供了豐富的可以反映不同材料物理材質(zhì)的光譜信息,可用于對地物精細(xì)分類。傳統(tǒng)的分類方法在對高光譜圖像分類過程中面臨許多問題和挑戰(zhàn):如何解決小樣本對高維數(shù)據(jù)的識別分類問題、如何對分類結(jié)果進(jìn)一步優(yōu)化、如何提高方法的執(zhí)行效率等等。本論文充分利用高光譜圖像的光譜信息和空間信息,在高光譜圖像分類方法研究現(xiàn)狀的基礎(chǔ)上,研究了兩種半監(jiān)督高光譜分類方法,并使用多個高光譜數(shù)據(jù)集對提出方法進(jìn)行了驗證。1.為了克服稀少樣本對高光譜圖像的分類精度的影響,提出了一種基于多分辨率分割與邊緣保持濾波的高光譜圖像分類方法。首先采用多分辨率分割的方法對高光譜圖像進(jìn)行分割,將圖像分割為多個同質(zhì)區(qū)域,在包含訓(xùn)練樣本的同質(zhì)區(qū)域內(nèi)隨機(jī)選取幾個像素進(jìn)行標(biāo)記作為新增的訓(xùn)練樣本,有效的克服了分類樣本不足導(dǎo)致高光譜圖像分類精度顯著下降的問題。然后使用支持向量機(jī)對高光譜圖像分類得到初始分類結(jié)果。充分利用像素之間的空間相鄰性,使用邊緣保持濾波糾正初始分類結(jié)果中類似“椒鹽”噪聲的誤分類結(jié)果。實驗比較了幾種廣泛使用的高光譜圖像分類方法,結(jié)果顯示:基于多分辨率分割與邊緣保持濾波的高光譜圖像分類方法能夠充分利用圖像的空間上下文信息,有效的...

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１多分辨率分割示意圖??Ｆｉｇ．?２．１?Ｍｕｌｔｉ－ｒｅｓｏｌｕｔｉｏｎ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｄｉａｇｒａｍ??，??

圖２．１多分辨率分割示意圖??Ｆｉｇ．?２．１?Ｍｕｌｔｉ－ｒｅｓｏｌｕｔｉｏｎ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｄｉａｇｒａｍ??通過設(shè)置不同的尺度參數(shù)調(diào)整分割的區(qū)域內(nèi)像素度參數(shù)以滿足后續(xù)的需要。??類分割??類分割（ｓｉｍｐｌｅ?ｌｉｎｅａｒ?ｉｔｅｒａｔｉｖｅ?ｃｌｕｓｔｅｒｉｎ....

圖２．２雙邊濾波器效果示意圖??Ｆｉｇ．?２．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｂｉｌａｔｅｒａｌ?ｆｉｌｔｅｒ??雙邊濾波是一種非線性的圖像濾波方法，該方法結(jié)合了圖像像素值相似度以及??

４?４?５?５?５??４?４?４?５?５?５??圖２．１多分辨率分割示意圖??Ｆｉｇ．?２．１?Ｍｕｌｔｉ－ｒｅｓｏｌｕｔｉｏｎ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｄｉａｇｒａｍ??多尺度分割能夠通過設(shè)置不同的尺度參數(shù)調(diào)整分割的區(qū)域內(nèi)像素的最大異質(zhì)性，??從而獲得感興趣的尺度參數(shù)以滿足后....

圖２．３隨機(jī)漫步流程圖??

譜值的差異，用表示。其中，．ｄ是一個自由參數(shù)。一個結(jié)點的度為??Ａ?＝?Ｉ：?Ｗ＼，表示的是與結(jié)點相關(guān)聯(lián)的所有邊的權(quán)重和。??隨機(jī)漫步的流程圖如圖２．３所示。圖中節(jié)點“１”、“２”和“３”分別代表標(biāo)記為“１”、??“：？’和“３”的不同類別的節(jié)點，節(jié)點”代表未標(biāo)記的自由節(jié)點，箭頭....

圖２．４標(biāo)簽傳播過程??Ｆｉ．?２．４?Ｔｈｅｒｏｃｅｄｕｒｅ?ｏｆ?Ｌａｂｅｌ?Ｐｒｏａａｔｉｏｎ??

的節(jié)點Ｘｒ和未標(biāo)記的節(jié)點Ｘｆ；，邊ｅ，；上的權(quán)重灰；代表兩個節(jié)點的相似度，節(jié)點的標(biāo)??簽根據(jù)相似度傳遞給其他節(jié)點。??標(biāo)簽傳播過程如圖２．４所示，圖中黑色的節(jié)點與灰色的節(jié)點分別代表不同類別的??己標(biāo)記數(shù)據(jù)，白色的節(jié)點為未標(biāo)記數(shù)據(jù)。通過迭代的方式，根據(jù)箭頭的方向與概率??把標(biāo)簽從己....

本文編號：3918561