隨著技術(shù)的發(fā)展,傳感器的分辨率逐漸提高,獲得的高光譜圖像可以提供更加詳細(xì)的特征類別信息,其分類技術(shù)已成為遙感領(lǐng)域研究的重要組成部分。人們一直在不斷優(yōu)化和改進(jìn)分類器并取得了良好的效果。然而,由于高光譜數(shù)據(jù)的高維非線性,波段之間的高相關(guān)性以及較少的標(biāo)記樣本等一系列因素,對(duì)高光譜圖像的分類提出了重大挑戰(zhàn)。因此,由于已標(biāo)記樣本很少,如何準(zhǔn)確并且快速地將高光譜圖像進(jìn)行分類逐漸成為研究的熱點(diǎn)。半監(jiān)督算法不僅利用已標(biāo)記樣本的信息,還利用未標(biāo)記樣本的信息來緩解訓(xùn)練樣本引起的欠擬合問題。針對(duì)上述問題,本文在改進(jìn)分類器的基礎(chǔ)上,深入研究了半監(jiān)督算法,提出了一種新的半監(jiān)督分類算法。1、提出一種結(jié)合波段選擇的半監(jiān)督分類算法。該方法首先通過波段選擇方法,去除高光譜圖像中的冗余信息,進(jìn)而降低復(fù)雜度和提高泛化能力;然后通過差分進(jìn)化算法交叉變異未標(biāo)記樣本,并選擇具有高置信度的樣本擴(kuò)展到已標(biāo)記樣本組中以提高分類準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明,該方法能夠有效地提升在小樣本情況下分類器的分類精度與分類速度。2、在波段選擇的基礎(chǔ)上,提出一種結(jié)合空間信息的半監(jiān)督分類算法。利用實(shí)際地物在一定區(qū)域內(nèi)具有空間連貫性的特點(diǎn),同時(shí)將空間信息融入分...

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.2Pavia學(xué)院圖像(a)假彩色合成圖像RGB:17,27,50(b)參考地物圖

第1章緒論表1.2Pavia工程學(xué)院高光譜圖像9類地物示意圖編號(hào)地物名稱樣本個(gè)數(shù)1Asphalt66412Meadows186493Gravel20994Trees30645MetalSheets13456Soil50297Bitu....

圖3.1算3.3實(shí)驗(yàn)內(nèi)容3.3.1數(shù)據(jù)介紹為驗(yàn)證算法有效性，本章選取1.4節(jié)介紹數(shù)據(jù)集和Pavia工程學(xué)院數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，

3.3實(shí)驗(yàn)內(nèi)容3.3.1數(shù)據(jù)介紹為驗(yàn)證算法有效性，本章選取1.4節(jié)介數(shù)據(jù)集和Pavia工程學(xué)院數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，兩數(shù)據(jù)集進(jìn)行試驗(yàn)樣本選取，隨機(jī)選擇其中譜圖像八個(gè)主要類別包括Corn-notill，hay-windrowed，Soybeans-notill，Whea....

圖32八個(gè)類別的參考地物圖

參數(shù)設(shè)置件：電腦處理器為Intel(R)Core(TM)i7-4720HQs10操作系統(tǒng)，仿真軟件為matlab2018a。價(jià)準(zhǔn)則有：每個(gè)類別的分類精度、總體分類精（AverageAccuracy,AA）、Kappa系數(shù)。，m即類別數(shù)，iim即i類分類正確的樣本數(shù)....

圖3.3IndianPines數(shù)據(jù)集四種方法的分類結(jié)果圖

標(biāo)準(zhǔn)SVM、結(jié)合邊緣采樣算法的SVM_MS（SVM法的DE_LSTSVM和本文算法四種分類算法的其中10個(gè)為已標(biāo)記樣本，剩下的是測(cè)試樣本，ndianPines高光譜圖像進(jìn)行分類，表3.1給出了Kappa系數(shù)和運(yùn)行時(shí)間。從表3.1可以看出分類性能明顯好于....

本文編號(hào)：3941867