本文關(guān)鍵詞：偏振高光譜圖像場(chǎng)景仿真及分類方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：偏振高光譜遙感結(jié)合了高光譜與偏振信息的特點(diǎn),是一種新型遙感探測(cè)方式。高光譜圖像包含了地物豐富的空間、輻射和光譜三重信息,而偏振遙感能夠在復(fù)雜的背景中提取目標(biāo)的七維信息,解決傳統(tǒng)遙感所不能解決的諸多問題。偏振高光譜由于兼具高光譜遙感和偏振遙感的雙重優(yōu)勢(shì),因此近年來日益受到關(guān)注。本文從仿真和應(yīng)用角度出發(fā),研究了偏振高光譜場(chǎng)景成像以及分類識(shí)別問題,具體工作內(nèi)容如下:首先對(duì)高光譜場(chǎng)景成像模型進(jìn)行了深入研究,并在此基礎(chǔ)上加入偏振信息從而建立了偏振高光譜仿真模型。由于地物的光譜、偏振特征直接受其二向反射特性的影響,而雙向反射分布函數(shù)可用于描述由于目標(biāo)的物理、化學(xué)特性以及紋理結(jié)構(gòu)不同所形成入射電磁波向四面八方散射的現(xiàn)象,因此重點(diǎn)研究了場(chǎng)景中墻壁表面的雙向反射特性,分析了太陽光和墻壁之間的鏡面反射、定向散射和均勻漫反射作用,并在此基礎(chǔ)上對(duì)偏振高光譜成像模型加以改造,實(shí)現(xiàn)場(chǎng)景仿真。然后從應(yīng)用角度出發(fā),研究了偏振高光譜多源圖像獲取以及多維度信息提取方法。為了充分利用數(shù)據(jù)包含的信息,本文提取了光譜、空間和偏振多重信息,偏振高光譜多維度信息的正確提取是后續(xù)特征提取和分類研究順利進(jìn)行的前提。由于監(jiān)督特征提取方法在偏振高光譜數(shù)據(jù)小樣本分類時(shí)存在信息浪費(fèi)問題,本文研究了結(jié)合已知樣本可分信息和未知樣本結(jié)構(gòu)信息的半監(jiān)督特征提取方法并利用支持向量機(jī)算法進(jìn)行了分類,通過與其他特征提取方法進(jìn)行對(duì)比實(shí)驗(yàn),驗(yàn)證了該半監(jiān)督特征提取方法的有效性。論文最后進(jìn)行了偏振高光譜圖像基于半監(jiān)督支持向量機(jī)的分類方法研究。針對(duì)偏振信息不穩(wěn)定、支持向量機(jī)算法對(duì)偏振高光譜提取的偏振信息在小樣本情況下分類精度不理想的問題,研究了基于標(biāo)簽均值的半監(jiān)督支持向量機(jī)分類算法。實(shí)驗(yàn)證明,加入合理數(shù)量的未標(biāo)記樣本有助于改善小樣本情況下的分類效果。偏振高光譜數(shù)據(jù)提取的強(qiáng)度信息反映了物體的幾何特征以及紋理結(jié)構(gòu),偏振度信息反映了其電導(dǎo)特性以及表面粗糙度,偏振角信息則反映了物體表面小面元的方向信息,因此綜合利用上述多特征信息可以突破光譜或偏振信息獨(dú)立描述的局限性。本文對(duì)上述具有不同意義的三類特征的分類結(jié)果進(jìn)行了決策級(jí)融合研究,從而實(shí)現(xiàn)了偏振高光譜圖像分類。實(shí)驗(yàn)證明該方法較光譜分類結(jié)果準(zhǔn)確度更高。
【關(guān)鍵詞】：偏振高光譜 場(chǎng)景成像 雙向反射 多維度信息 半監(jiān)督分類
【學(xué)位授予單位】：哈爾濱工業(yè)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】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-18
• 1.1 課題背景及研究的目的和意義9-10
• 1.2 國內(nèi)外在該方向的研究現(xiàn)狀及分析10-16
• 1.2.1 偏振高光譜仿真研究現(xiàn)狀10-12
• 1.2.2 雙向反射分布函數(shù)(BRDF)模型研究現(xiàn)狀12-13
• 1.2.3 偏振高光譜信息處理及應(yīng)用的研究現(xiàn)狀13-14
• 1.2.4 半監(jiān)督學(xué)習(xí)理論及研究進(jìn)展14-16
• 1.3 本文主要研究內(nèi)容及結(jié)構(gòu)安排16-18
• 第2章 偏振高光譜遙感場(chǎng)景成像18-33
• 2.1 高光譜場(chǎng)景成像模型18-23
• 2.1.1 地面場(chǎng)景模型18-21
• 2.1.2 大氣場(chǎng)景模型21-23
• 2.2 由高光譜場(chǎng)景成像到偏振高光譜場(chǎng)景成像23-24
• 2.3 雙向反射分布函數(shù)24-29
• 2.3.1 基于物理基礎(chǔ)的BRDF模型25-28
• 2.3.2 模型的相關(guān)實(shí)驗(yàn)及分析28-29
• 2.4 基于BRDF模型的偏振高光譜場(chǎng)景成像分析29-32
• 2.4.1 基于BRDF的墻壁二次散射原理分析29-31
• 2.4.2 場(chǎng)景成像結(jié)果及分析31-32
• 2.5 本章小結(jié)32-33
• 第3章 偏振高光譜圖像獲取及多維度信息提取33-50
• 3.1 偏振高光譜成像原理及圖像獲取33-39
• 3.1.1 偏振高光譜成像原理33-34
• 3.1.2 偏振的Stokes矢量描述34-37
• 3.1.3 多角度偏振圖像的獲取37-39
• 3.2 偏振高光譜多維度信息提取39-41
• 3.3 面向偏振高光譜分類的半監(jiān)督特征提取41-44
• 3.3.1 局部線性判別分析LFDA42-43
• 3.3.2 鄰域保持嵌入NPE43-44
• 3.3.3 半監(jiān)督SLDA方法44
• 3.4 實(shí)驗(yàn)及分析44-49
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)說明45
• 3.4.2 多維度信息提取實(shí)驗(yàn)45-46
• 3.4.3 半監(jiān)督特征提取實(shí)驗(yàn)46-49
• 3.5 本章小結(jié)49-50
• 第4章 基于半監(jiān)督支持向量機(jī)的偏振高光譜圖像分類50-65
• 4.1 半監(jiān)督支持向量機(jī)算法50-52
• 4.1.1 基于組合的半監(jiān)督支持向量機(jī)51
• 4.1.2 基于連續(xù)的半監(jiān)督支持向量機(jī)51-52
• 4.2 基于標(biāo)簽均值的半監(jiān)督支持向量機(jī)分類算法52-59
• 4.2.1 基于標(biāo)簽均值的半監(jiān)督支持向量機(jī)學(xué)習(xí)（mean-S3VM）52-54
• 4.2.2 半監(jiān)督支持向量機(jī)多分類算法54-56
• 4.2.3 偏振圖像監(jiān)督/半監(jiān)督分類算法實(shí)驗(yàn)結(jié)果及分析56-59
• 4.3 基于決策級(jí)融合的偏振高光譜分類59-64
• 4.3.1 決策級(jí)融合59-61
• 4.3.2 加權(quán)沖突分配法61-62
• 4.3.3 融合實(shí)驗(yàn)結(jié)果及分析62-64
• 4.4 本章小結(jié)64-65
• 結(jié)論65-66
• 參考文獻(xiàn)66-71
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果71-73
• 致謝73

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 趙亞麗;趙亞娜;李仲凷;陳月玲;;偏振光在醫(yī)藥學(xué)實(shí)驗(yàn)教學(xué)中的應(yīng)用[J];甘肅中醫(yī);2009年09期

2 弓潔瓊;詹海剛;劉大召;;遙感遙測(cè)中偏振信息的研究進(jìn)展[J];光譜學(xué)與光譜分析;2010年04期

3 蔡秋楓;;基于有監(jiān)督保持鄰域嵌入人臉識(shí)別[J];計(jì)算機(jī)應(yīng)用;2009年12期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 陳加偉;偏振高光譜成像建模與仿真[D];哈爾濱工業(yè)大學(xué);2011年

2 孫天琳;水生植物與水體混合像元的偏振高光譜特征分析[D];東北師范大學(xué);2013年

  本文關(guān)鍵詞：偏振高光譜圖像場(chǎng)景仿真及分類方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：437152