近年來(lái),高光譜遙感技術(shù)發(fā)展迅速,再加上高光譜圖像(Hyperspectral Image,簡(jiǎn)稱為HSI)本身可以提供地物的詳細(xì)覆蓋信息,研究人員可以從HSI中更加高效的提取出地物的光譜信息,輻射能量以及空間信息。但是HSI包含了豐富的空間信息和光譜信息,這導(dǎo)致它會(huì)有成百上千的維數(shù),很容易造成維度災(zāi)難,所以其實(shí)對(duì)它進(jìn)行聚類是比較困難的�，F(xiàn)目前,我們可以將HSI聚類大致分為四種方法:1)基于質(zhì)心的方法;2)基于密度的方法;3)基于生物學(xué)的方法;4)基于譜聚類的方法。其中譜聚類法較為流行且效果良好,而稀疏子空間聚類(Sparse Subspace Clustering,下面簡(jiǎn)稱為SSC)就是眾多譜聚類算法中的一種。SSC算法雖然可以對(duì)帶噪聲的數(shù)據(jù)進(jìn)行處理,但是直接利用這種算法進(jìn)行聚類也有它的局限。基于此,針對(duì)SSC算法未利用HSI的空間特征信息引入了流形正則項(xiàng),在確保利用了 HSI的光譜信息的情況下,更好的獲取了 HSI的空間特征;針對(duì)SSC算法未利用先驗(yàn)知識(shí)引入了半監(jiān)督學(xué)習(xí)方法“高斯域和調(diào)和函數(shù)”(GFHF),同時(shí)利用類概率,用己知標(biāo)簽求取未知標(biāo)簽的類概率初始值代替GFHF中的標(biāo)簽二值矩陣。...

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１高光譜圖像數(shù)據(jù)中不同地物之間的連續(xù)光譜曲線??Ｆｉｇ?１．１?Ｔｈｅ?ｃｏｎｔｉｎｕｏｕｓ?ｓｐｅｃｔｒａｌ?ｃｕｒｖｅ?ｂｅｔｗｅｅｎ?ｄｉｆｆｅｒｅｎｔ?ｌａｎｄｓ?ｉｎ?ＨＳＩ?ｄａｔａ??

１．?２髙光譜圖像介紹??ＨＳＩ是一種三維立體圖像，可以理解為它是由地物空間信息特征的二維圖像??加上描述地物的每一像素點(diǎn)的一維光譜曲線組成，如圖１．?１所示。對(duì)于ＨＳＩ的分??析，可以從三個(gè)點(diǎn)來(lái)描述，分別是光譜信息，空間信息和輻射的能量特性。??（１）

圖３．?２?Ｐａｖｉａ?Ｕｎｉｖｅｒｓｉｔｙ?ｓｃｅｎｅ實(shí)驗(yàn)結(jié)果的聚類??

圖３．?２?Ｐａｖｉａ?Ｕｎｉｖｅｒｓｉｔｙ?ｓｃｅｎｅ實(shí)驗(yàn)結(jié)果的聚類??Ｆｉｇ?３．２?Ｃｌｕｓｔｅｒ?ｍａｐｓ?ｏｆ?ｔｈｅ?ｅｘｐｅｒｉｍｅｎｔａｌ?ｒｅｓｕｌｔｓ?ｏｎ?ｔｈｅ?Ｐａｖｉａ?Ｕｎｉｖｅｒｓｉｔｙ?ｓｃｅｎｅ??從圖３．２中可以看出，ＬａｐＳＳＣ算法的聚類結(jié)....

圖３．４?Ｓａｌｉｎａｓ?ｓｃｅｎｅ實(shí)驗(yàn)結(jié)果聚類圖??

ｒｏｍａｉｎｅ＿７ｗｋ。圖３．３提供了偽彩色圖和地表圖。??ＭＢｉＳｆｃｌ?Ｓ＾＝Ｌｅｄ（１１２７１）??Ｌ＿１?Ｌｅｔｔｕｃｅ－ｒｏｍａｉｎｅ－６＾ｉｃ（９１６）??０１?Ｌｅｔｔｕｃｅ－ｒｏｍａｉｎｅ－５Ｋｖｉｃｎ９２７｝??ＥＺ３?Ｌｅｔｔｕｃｅ－ｒｏｍａｍｅ＾ｗｉｃＯＯｅ....

圖４．１用ＣＰＳ４Ｃ算法計(jì)算稀疏表示系數(shù)Ｃ

大利北部的Ｐａｖｉａ上空飛行時(shí)獲得的。圖像大小為６３０ｘ３４０ｘ１０３，有九個(gè)類。??實(shí)驗(yàn)切割了一個(gè)?１３５Ｘ９７Ｘ１０３?的區(qū)域，包括?ｔｒｅｅｓ，ｓｅｌｆ－ｂｌｏｃｋｉｎｇ?ｂｒｉｃｋｓ，?ｂｉｔｕｍｅｎ，??ｂａｒｅ?ｓｏｉｌ，?ａｓｐｈａｌｔ，ｇｒａｖｅｌ?ａｎｄ?ｓｈａ....

本文編號(hào)：4029059