本文關(guān)鍵詞：遙感圖像信息提取核方法抗噪特性研究

  更多相關(guān)文章： 抗噪特性 核方法 非精確計(jì)算 高光譜圖像分類和目標(biāo)探測(cè) 高光譜圖像在軌處理

【摘要】：高光譜圖像提供了地物豐富的光譜信息,能夠精細(xì)的對(duì)地物類型進(jìn)行分類和識(shí)別�；诤朔椒ǖ姆诸惡吞綔y(cè)算法具有非常強(qiáng)的識(shí)別能力,近些年來(lái)被廣泛的應(yīng)用在遙感信息提取領(lǐng)域。但是由于高光譜數(shù)據(jù)的高維性和海量性,利用核方法進(jìn)行信息提取時(shí)會(huì)伴隨著大量的內(nèi)積運(yùn)算,這就導(dǎo)致了基于核方法的高光譜圖像信息提取算法運(yùn)算量巨大、能耗高,限制了該類算法在高光譜圖像在軌實(shí)時(shí)處理領(lǐng)域的應(yīng)用。利用算法的抗噪特性進(jìn)行非精確計(jì)算,將部分輸出質(zhì)量折中為能耗,從而降低算法運(yùn)行時(shí)的功耗,可以滿足高光譜圖像在軌實(shí)時(shí)處理時(shí)低功耗的需求。本文通過(guò)在數(shù)據(jù)級(jí)別和算法級(jí)別分析高光譜圖像分類和探測(cè)算法的抗噪特性,論證了利用算法抗噪特性進(jìn)行非精確計(jì)算的可行性。1.數(shù)據(jù)級(jí)別的抗噪特性分析。在高光譜數(shù)據(jù)的低位有效位注入噪聲,觀察噪聲對(duì)算法輸出質(zhì)量的影響。具體過(guò)程是:將歸一化以后的高光譜數(shù)據(jù)轉(zhuǎn)換為二進(jìn)制形式,選取一定量的數(shù)據(jù)在其低位有效位注入隨機(jī)噪聲,將添加了噪聲以后的數(shù)據(jù)轉(zhuǎn)換回小數(shù)形式,對(duì)添加了噪聲的數(shù)據(jù)進(jìn)行分類和目標(biāo)探測(cè),觀察噪聲對(duì)算法輸出質(zhì)量的影響。2.算法級(jí)別的抗噪特性分析。使用高斯函數(shù)模擬現(xiàn)實(shí)世界的高斯噪聲,將噪聲添加到算法運(yùn)行時(shí)的中間結(jié)果,觀察高斯噪聲對(duì)算法輸出質(zhì)量的影響。實(shí)驗(yàn)中保持高斯函數(shù)的均值為常數(shù)0,不斷增大高斯函數(shù)的方差來(lái)增加噪聲的等級(jí)。本文以基于核方法的SVM分類算法和KRX目標(biāo)探測(cè)算法為例,進(jìn)行了上述抗噪特性分析。通過(guò)本文的實(shí)驗(yàn)可以看出,利用基于核方法的信息提取算法對(duì)高光譜圖像進(jìn)行處理,只要噪聲限定在一定的范圍內(nèi),噪聲對(duì)算法輸出質(zhì)量的影響就可以忽略不計(jì)。算法抗噪性是非精確計(jì)算可以使用的前提,本文論證了利用算法抗噪特性進(jìn)行非精確計(jì)算的可行性。
【關(guān)鍵詞】：抗噪特性 核方法 非精確計(jì)算 高光譜圖像分類和目標(biāo)探測(cè) 高光譜圖像在軌處理
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP751
【目錄】：

• 摘要3-4
• Abstract4-12
• 第1章 引言12-19
• 1.1 研究背景及意義12-13
• 1.2 研究現(xiàn)狀13-17
• 1.2.1 遙感圖像在軌處理技術(shù)研究現(xiàn)狀13-14
• 1.2.2 遙感圖像分類和探測(cè)算法研究現(xiàn)狀14-16
• 1.2.3 算法抗噪特性研究現(xiàn)狀16-17
• 1.3 論文研究?jī)?nèi)容及章節(jié)安排17-19
• 第2章 遙感圖像信息提取中的核方法分析19-32
• 2.1 高光譜圖像數(shù)據(jù)19-23
• 2.1.1 高光譜圖像數(shù)據(jù)的描述19-21
• 2.1.2 高光譜圖像的冗余特性21
• 2.1.3 高光譜圖像信息提取流程21-23
• 2.2 高光譜圖像分類23-25
• 2.2.1 高光譜圖像分類的基本概念和原理23-24
• 2.2.2 高光譜圖像分類精度評(píng)價(jià)24-25
• 2.3 高光譜圖像目標(biāo)探測(cè)25-27
• 2.3.1 高光譜圖像目標(biāo)探測(cè)的基本概念和原理25-26
• 2.3.2 高光譜圖像目標(biāo)探測(cè)算法的性能評(píng)價(jià)26-27
• 2.4 核方法27-31
• 2.4.1 非線性分類問(wèn)題28-29
• 2.4.2 核函數(shù)的定義29-30
• 2.4.3 正定核30
• 2.4.4 常用核函數(shù)30-31
• 2.5 本章小結(jié)31-32
• 第3章 基于核方法的圖像分類抗噪特性分析32-55
• 3.1 支持向量機(jī)32-36
• 3.1.1 線性支持向量機(jī)32-35
• 3.1.2 非線性支持向量機(jī)35-36
• 3.1.3 支持向量機(jī)的特性36
• 3.2 數(shù)據(jù)級(jí)別抗噪特性分析36-37
• 3.3 算法級(jí)別抗噪特性分析37-38
• 3.4 實(shí)驗(yàn)結(jié)果及分析38-54
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)38-39
• 3.4.2 實(shí)驗(yàn)結(jié)果與分析39-54
• 3.5 本章小結(jié)54-55
• 第4章 基于核方法的目標(biāo)探測(cè)抗噪特性分析55-73
• 4.1 KRX異常檢測(cè)算法55-60
• 4.1.1 RX異常檢測(cè)算法55-56
• 4.1.2 KRX異常檢測(cè)算法56-60
• 4.2 數(shù)據(jù)級(jí)別抗噪特性分析60-61
• 4.3 算法級(jí)別抗噪特性分析61-62
• 4.4 實(shí)驗(yàn)結(jié)果及分析62-72
• 4.4.1 實(shí)驗(yàn)數(shù)據(jù)62
• 4.4.2 實(shí)驗(yàn)結(jié)果及分析62-72
• 4.5 本章總結(jié)72-73
• 第5章 總結(jié)與展望73-75
• 5.1 總結(jié)73-74
• 5.2 展望74-75
• 參考文獻(xiàn)75-81
• 致謝81-83
• 攻讀碩士學(xué)位期間從事的科研工作及取得的成果83

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 張良培;;高光譜目標(biāo)探測(cè)的進(jìn)展與前沿問(wèn)題[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年12期

2 許雪貴;張清;;基于CUDA的高效并行遙感影像處理[J];地理空間信息;2011年06期

3 賀霖;潘泉;邸椺;李遠(yuǎn)清;;高光譜圖像目標(biāo)檢測(cè)研究進(jìn)展[J];電子學(xué)報(bào);2009年09期

4 儲(chǔ)美華;洪志剛;陳允芳;;數(shù)字航測(cè)影像盲點(diǎn)消除與病態(tài)像元校正方法探討[J];測(cè)繪科學(xué);2007年03期

5 陳勃;陳志軍;;海量遙感衛(wèi)星數(shù)據(jù)存檔方法的探討[J];遙感信息;2006年05期

6 延明;FPGA在數(shù)字圖像處理中的應(yīng)用[J];電子技術(shù);2005年01期

7 錢樂(lè)祥,泮學(xué)芹,趙芊;中國(guó)高光譜成像遙感應(yīng)用研究進(jìn)展[J];國(guó)土資源遙感;2004年02期

8 崔廷偉,馬毅,張杰;航空高光譜遙感的發(fā)展與應(yīng)用[J];遙感技術(shù)與應(yīng)用;2003年02期

9 黃普明,陳泓,鞠德航;遙感衛(wèi)星數(shù)據(jù)傳輸系統(tǒng)新技術(shù)[J];空間電子技術(shù);2002年02期

，

本文編號(hào)：629434