本文關(guān)鍵詞：面向高光譜遙感圖像分類的流形學(xué)習(xí)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：高光譜遙感圖像具有詳細(xì)的空間幾何信息和豐富的光譜特征信息,其數(shù)據(jù)量大、維數(shù)過(guò)高、冗余性強(qiáng)的特點(diǎn),若直接對(duì)高光譜遙感圖像進(jìn)行分類,容易出現(xiàn)“維數(shù)災(zāi)難”問(wèn)題。因此,如何提取出有用的鑒別特征信息來(lái)提升高光譜遙感圖像的分類精度成為關(guān)鍵問(wèn)題。本文以高光譜遙感數(shù)據(jù)的非線性屬性分析入手,主要從流形學(xué)習(xí)角度對(duì)高光譜遙感數(shù)據(jù)的特征提取及分類進(jìn)行深入研究。相關(guān)的研究工作如下:①總結(jié)介紹了傳統(tǒng)線性特征提取算法、局部流形學(xué)習(xí)算法、常用分類算法及分類結(jié)果的評(píng)價(jià)標(biāo)準(zhǔn);②研究提出了面向高光譜遙感圖像分類的半監(jiān)督Laplace鑒別嵌入算法。由于傳統(tǒng)的全局線性特征提取算法存在不能發(fā)現(xiàn)數(shù)據(jù)集的局部流形特征,以及單純的局部流形學(xué)習(xí)算法忽略了標(biāo)記樣本的類別信息,容易破壞數(shù)據(jù)集的可分性問(wèn)題。因而,本文提出一種基于保護(hù)樣本集的可分性及流形結(jié)構(gòu)特征的半監(jiān)督Laplace鑒別嵌入(SSLDE)算法。該算法利用標(biāo)記樣本的類別信息來(lái)保持樣本數(shù)據(jù)集在特征空間中的可分性,并通過(guò)構(gòu)建標(biāo)記樣本和無(wú)標(biāo)記樣本的Laplace矩陣來(lái)發(fā)現(xiàn)樣本數(shù)據(jù)集在特征空間中局部流形結(jié)構(gòu)信息,實(shí)現(xiàn)半監(jiān)督的鑒別特征提取。在KSC和Urban數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果說(shuō)明:該算法具有更高的分類精度,可以有效地提取出流形鑒別特征;③研究提出了面向高光譜遙感圖像分類的半監(jiān)督叢流形學(xué)習(xí)算法�；趨擦餍螌W(xué)習(xí)的理論思想,以及高光譜遙感數(shù)據(jù)的多類別特點(diǎn),本文提出一種半監(jiān)督叢流形學(xué)習(xí)(SSBML)方法。該算法是利用標(biāo)記樣本和無(wú)標(biāo)記樣本構(gòu)建兩個(gè)近鄰關(guān)系圖來(lái)保持?jǐn)?shù)據(jù)集中叢流形的“整體”結(jié)構(gòu)(各個(gè)子流形之間的相互關(guān)系)和每個(gè)子流形的內(nèi)蘊(yùn)結(jié)構(gòu)特征,實(shí)現(xiàn)半監(jiān)督的叢流形學(xué)習(xí)。在KSC和Pavia U高光譜數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明:該算法可以發(fā)現(xiàn)高光譜遙感數(shù)據(jù)集中叢流形結(jié)構(gòu)的精細(xì)特征,有效地提升高光譜遙感圖像的分類精度。綜上所述,本文依據(jù)高光譜遙感數(shù)據(jù)的非線性特點(diǎn),提出兩種新的特征提取算法,并通過(guò)高光譜遙感數(shù)據(jù)集上的分類實(shí)驗(yàn)對(duì)本文方法的特征提取效果進(jìn)行驗(yàn)證。
【關(guān)鍵詞】：高光譜遙感圖像 特征提取 流形學(xué)習(xí) Laplace矩陣 近鄰關(guān)系圖
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP751
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-16
• 1.1 高光譜遙感圖像的發(fā)展歷程及應(yīng)用8-9
• 1.2 高光譜遙感圖像的特點(diǎn)9-11
• 1.3 高光譜遙感圖像技術(shù)的研究現(xiàn)狀11-12
• 1.4 本文的主要研究?jī)?nèi)容12-16
• 2 高光譜遙感圖像特征提取及分類方法16-36
• 2.1 傳統(tǒng)特征提取方法16-21
• 2.1.1 主成分分析(PCA)16-18
• 2.1.2 線性判別分析(LDA)18-20
• 2.1.3 多維尺度分析(MDS)20-21
• 2.2 流形學(xué)習(xí)方法21-28
• 2.2.1 局部線性嵌入(LLE)21-23
• 2.2.2 等距特征映射(ISOMAP)23-25
• 2.2.3 拉普拉斯特征映射(LE)25-26
• 2.2.4 鄰域保持嵌入(NPE)26-27
• 2.2.5 局部保持投影(LPP)27-28
• 2.3 高光譜遙感圖像的分類方法28-32
• 2.3.1 k最近鄰分類(k-NN)28-29
• 2.3.2 光譜角制圖分類(SAM)29-30
• 2.3.3 支持向量機(jī)分類(SVM)30-32
• 2.4 高光譜遙感圖像分類精度的評(píng)價(jià)方法32-33
• 2.4.1 混淆矩陣(Confusion Matrix)32
• 2.4.2 生產(chǎn)者精度(Producer Accuracy)32-33
• 2.4.3 使用者精度(User Accuracy)33
• 2.4.4 總體精度(Overall Accuracy)33
• 2.4.5 Kappa系數(shù)(Kappa Coefficient)33
• 2.5 本章小結(jié)33-36
• 3 面向高光譜遙感圖像分類的半監(jiān)督Laplace鑒別嵌入36-48
• 3.1 引言36-37
• 3.2 譜圖理論37
• 3.3 半監(jiān)督Laplace鑒別嵌入算法37-40
• 3.3.1 SSLDE算法原理37-39
• 3.3.2 SSLDE算法步驟39-40
• 3.4 實(shí)驗(yàn)結(jié)果與分析40-47
• 3.4.1 KSC數(shù)據(jù)集40-43
• 3.4.2 Urban數(shù)據(jù)集43-45
• 3.4.3 算法復(fù)雜度比較45-46
• 3.4.4 實(shí)驗(yàn)結(jié)論分析46-47
• 3.5 本章小結(jié)47-48
• 4 面向高光譜遙感圖像分類的半監(jiān)督叢流形學(xué)習(xí)48-64
• 4.1 引言48
• 4.2 叢流形學(xué)習(xí)48-50
• 4.3 半監(jiān)督的叢流形學(xué)習(xí)50-53
• 4.3.1 SSBML算法原理50-52
• 4.3.2 SSBML算法步驟52-53
• 4.4 實(shí)驗(yàn)與分析53-63
• 4.4.1 KSC數(shù)據(jù)集54-58
• 4.4.2 Pavia U數(shù)據(jù)集58-62
• 4.4.3 實(shí)驗(yàn)結(jié)論分析62-63
• 4.5 本章小結(jié)63-64
• 5 總結(jié)與展望64-68
• 5.1 本文工作總結(jié)64-65
• 5.2 研究展望65-68
• 致謝68-70
• 參考文獻(xiàn)70-74
• 附錄74
• A. 作者在攻讀碩士學(xué)位期間發(fā)表的論文74

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 周華;蔡超;丁明躍;;基于流形學(xué)習(xí)和流形高階近似的圖像距離度量[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

2 黃鴻;李見(jiàn)為;馮海亮;;融合局部和全局結(jié)構(gòu)的流形學(xué)習(xí)[J];光學(xué)精密工程;2009年03期

3 賀廣南;楊育彬;;基于流形學(xué)習(xí)的圖像檢索算法研究[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2010年05期

4 金波;;基于年齡流形的人臉圖像年齡識(shí)別[J];中國(guó)新技術(shù)新產(chǎn)品;2011年01期

5 高崢;杜川;;基于流形學(xué)習(xí)算法的人臉識(shí)別研究[J];河南機(jī)電高等專科學(xué)校學(xué)報(bào);2011年04期

6 詹煒;;流形學(xué)習(xí)算法概述[J];武漢船舶職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年02期

7 丁玲;唐娉;李宏益;;基于流形學(xué)習(xí)的混合光譜解混分析[J];紅外與激光工程;2013年09期

8 顧艷春;;一種基于線性插值的流形學(xué)習(xí)算法[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年01期

9 張輝遠(yuǎn);;基于高光譜影像的流形學(xué)習(xí)降維方法近鄰畸變分析[J];鐵道勘察;2014年02期

10 馮海亮;李見(jiàn)為;王旭初;黃鴻;;基于非線性子流形的人臉識(shí)別[J];重慶大學(xué)學(xué)報(bào);2008年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前4條

1 宋欣;王娟;張斌;葉世偉;;流形學(xué)習(xí)算法分析及在人臉數(shù)據(jù)庫(kù)上的應(yīng)用[A];2008年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊(cè))[C];2008年

2 劉曉平;季浩;鄧偉財(cái);;基于流形學(xué)習(xí)的非線性系統(tǒng)可視化算法[A];全國(guó)第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2010）暨全國(guó)第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

3 何慧;陳博;郭軍;;基于流形學(xué)習(xí)的半監(jiān)督文本情感分類算法[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

4 蔣全勝;賈民平;胡建中;許飛云;;一種基于流形學(xué)習(xí)的故障模式識(shí)別方法[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 蘇祖強(qiáng);基于泛化流形學(xué)習(xí)的風(fēng)電機(jī)組傳動(dòng)系統(tǒng)早期故障診斷方法研究[D];重慶大學(xué);2015年

2 黃鴻;圖嵌入框架下流形學(xué)習(xí)理論及應(yīng)用研究[D];重慶大學(xué);2008年

3 尹峻松;流形學(xué)習(xí)理論與方法研究及在人臉識(shí)別中的應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

4 黃啟宏;流形學(xué)習(xí)方法理論研究及圖像中應(yīng)用[D];電子科技大學(xué);2007年

5 馮海亮;流形學(xué)習(xí)算法在人臉識(shí)別中的應(yīng)用研究[D];重慶大學(xué);2008年

6 曾憲華;流形學(xué)習(xí)的譜方法相關(guān)問(wèn)題研究[D];北京交通大學(xué);2009年

7 詹宇斌;流形學(xué)習(xí)理論與方法及其應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

8 王勇;基于流形學(xué)習(xí)的分類與聚類方法及其應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

9 谷瑞軍;基于流形學(xué)習(xí)的高維空間分類器研究[D];江南大學(xué);2008年

10 孟德宇;關(guān)于流形學(xué)習(xí)若干基礎(chǔ)問(wèn)題與核心算法研究[D];西安交通大學(xué);2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 胡浩松;基于流形學(xué)習(xí)的旋轉(zhuǎn)機(jī)械故障識(shí)別方法研究[D];燕山大學(xué);2015年

2 丁春濤;基于圖嵌入的判別近鄰分析研究及應(yīng)用[D];蘇州大學(xué);2015年

3 余嬋娟;交互式人臉檢索中人機(jī)人臉認(rèn)知一致性研究[D];上海大學(xué);2015年

4 陳明霞;基于半監(jiān)督的多流形學(xué)習(xí)算法研究[D];華僑大學(xué);2015年

5 顧陽(yáng)陽(yáng);基于流形學(xué)習(xí)的雷達(dá)輻射源識(shí)別技術(shù)[D];西安電子科技大學(xué);2014年

6 高漢宇;基于最優(yōu)r-覆蓋堆積數(shù)本征維數(shù)估計(jì)方法及其應(yīng)用[D];西安電子科技大學(xué);2014年

7 羅廷金;基于流形學(xué)習(xí)的數(shù)據(jù)降維算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 周韻然;基于流形學(xué)習(xí)的A股上市公司抽樣的信用評(píng)價(jià)[D];電子科技大學(xué);2014年

9 史仍浩;基于流形學(xué)習(xí)的在線社會(huì)網(wǎng)絡(luò)節(jié)點(diǎn)分類[D];上海交通大學(xué);2013年

10 陳詩(shī)文;流形學(xué)習(xí)在數(shù)據(jù)降維中的應(yīng)用研究[D];浙江工業(yè)大學(xué);2015年

  本文關(guān)鍵詞：面向高光譜遙感圖像分類的流形學(xué)習(xí)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：396002