發(fā)布時(shí)間：2017-09-11 15:12

  本文關(guān)鍵詞：基于標(biāo)記樣本擴(kuò)展的高光譜波段選擇技術(shù)

  更多相關(guān)文章： 高光譜圖像 數(shù)據(jù)降維 波段選擇 有監(jiān)督 標(biāo)記樣本

【摘要】：近年來,高光譜遙感技術(shù)發(fā)展迅速,在社會與生活領(lǐng)域中有著越來越廣泛的應(yīng)用。運(yùn)用高光譜圖像中豐富的光譜信息可以進(jìn)行精確的目標(biāo)識別,但其高維的數(shù)據(jù)形式、信息的高度冗余也給后續(xù)的數(shù)據(jù)處理帶來了巨大的挑戰(zhàn)。因此,如何在最大程度保留高光譜數(shù)據(jù)豐富信息的基礎(chǔ)上降低數(shù)據(jù)維度是高光譜圖像處理的重要技術(shù)問題之一。波段選擇是高光譜圖像處理中一種常用的降維方式。波段選擇是指在原始波段中挑選出符合要求的最優(yōu)波段組合,它與特征提取方法相比,較好的保留了原始波段的物理含義以及地物的光譜特性。根據(jù)標(biāo)記樣本參與的數(shù)量,波段選擇可分為無監(jiān)督波段懸著、半監(jiān)督波段選擇與有監(jiān)督波段選擇。雖然有監(jiān)督波段選擇利用標(biāo)記信息可以提高波段選擇的性能,但由于標(biāo)記樣本的缺乏及難以獲取,有監(jiān)督波段選擇的應(yīng)用范圍一直受限。針對有監(jiān)督波段選擇方法受限于標(biāo)記樣本的問題,本文在分析總結(jié)前人研究成果的基礎(chǔ)上,對如何擴(kuò)大有監(jiān)督波段選擇方法應(yīng)用范圍做了深入的研究,主要研究內(nèi)容有:(1)基于像素聚類的波段選擇方法。該算法首先對圖像分塊并提取代表性像素點(diǎn),隨后對代表性像素點(diǎn)進(jìn)行聚類并使用支撐向量機(jī)分類器優(yōu)化聚類結(jié)果,最終將聚類的類標(biāo)當(dāng)作偽標(biāo)簽,形成偽標(biāo)記樣本,然后采用有監(jiān)督波段選擇方法進(jìn)行波段選。該算法將未標(biāo)記樣本轉(zhuǎn)換為偽標(biāo)記樣本,實(shí)現(xiàn)了在無監(jiān)督領(lǐng)域中使用有監(jiān)督波段選擇方法,擴(kuò)展了有監(jiān)督波段選擇的應(yīng)用范圍。(2)基于小樣本擴(kuò)展的波段選擇方法。該算法針對標(biāo)記樣本稀缺的問題,通過增加標(biāo)記樣本來提高波段選擇效果。該算法通過兩種方式來增加標(biāo)記樣本,其一是根據(jù)高光譜圖像中空間相鄰的點(diǎn)很有可能是同一類地物的特性,將已知標(biāo)記樣本點(diǎn)的鄰域點(diǎn)加入到標(biāo)記樣本集中;其二是通過線性合成的方法,在同類已知標(biāo)記樣本集中線性合成一些新的樣本。通過加入新的標(biāo)記樣本,擴(kuò)大標(biāo)記樣本集,達(dá)到更好的波段選擇效果。本文所提出的兩種算法都具有擴(kuò)展標(biāo)記樣本集的作用,使用擴(kuò)展后的標(biāo)記樣本集參與有監(jiān)督波段選擇,以此來擴(kuò)展有監(jiān)督波段選擇方法的應(yīng)用范圍與性能效果。本文中對所提兩種算法設(shè)計(jì)了仿真實(shí)驗(yàn),仿真實(shí)驗(yàn)結(jié)果證明了本文所提方法的有效性。
【關(guān)鍵詞】：高光譜圖像 數(shù)據(jù)降維 波段選擇 有監(jiān)督 標(biāo)記樣本
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP751
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號對照表10-11
• 縮略語對照表11-15
• 第一章 緒論15-21
• 1.1 高光譜遙感技術(shù)背景15-16
• 1.2 遙感技術(shù)應(yīng)用簡介16-17
• 1.3 高光譜圖像波段選擇的意義17-18
• 1.4 國內(nèi)外研究現(xiàn)狀綜述18-19
• 1.5 論文主要研究內(nèi)容及結(jié)構(gòu)安排19-21
• 第二章 特征選擇概述21-25
• 2.1 數(shù)據(jù)降維21
• 2.2 特征選擇21-24
• 2.2.1 搜索策略22
• 2.2.2 搜索方向22-23
• 2.2.3 評價(jià)準(zhǔn)則23-24
• 2.3 特征選擇的三種方式24
• 2.4 本章小結(jié)24-25
• 第三章 高光譜波段選擇技術(shù)25-41
• 3.1 無監(jiān)督波段選擇技術(shù)25-30
• 3.1.1 基于信息量的波段選擇方法25-26
• 3.1.2 基于拉普拉斯值的波段選擇方法26-27
• 3.1.3 基于相似度的無監(jiān)督波段選擇方法27-30
• 3.1.4 基于最大化方差主成分分析的波段選擇方法30
• 3.2 有監(jiān)督波段選擇技術(shù)30-34
• 3.2.1 基于類間可分性的有監(jiān)督波段選擇31-32
• 3.2.2 基于互信息的最大相關(guān)最小冗余波段選擇方法32-34
• 3.3 半監(jiān)督波段選擇技術(shù)34-38
• 3.3.1 基于自訓(xùn)練的前向式半監(jiān)督波段選擇34-36
• 3.3.2 基于譜圖的半監(jiān)督波段選擇36-38
• 3.4 本章小結(jié)38-41
• 第四章 基于像素聚類的波段選擇方法41-57
• 4.1 超像素分隔并選取代表點(diǎn)42-44
• 4.1.1 SLIC超像素分隔42-43
• 4.1.2 選取代表性像素點(diǎn)43-44
• 4.2 使用k-medoids對代表性像素點(diǎn)聚類44
• 4.3 使用支撐向量機(jī)優(yōu)化聚類結(jié)果44-48
• 4.3.1 支撐向量機(jī)簡介44-47
• 4.3.2 優(yōu)化聚類結(jié)果47-48
• 4.4 使用偽標(biāo)記樣本參與波段選擇48-49
• 4.5 仿真實(shí)驗(yàn)與結(jié)果分析49-55
• 4.5.1 仿真實(shí)驗(yàn)數(shù)據(jù)49-52
• 4.5.2 仿真實(shí)驗(yàn)步驟52-53
• 4.5.3 仿真結(jié)果分析53-55
• 4.6 本章小結(jié)55-57
• 第五章 基于小樣本擴(kuò)展的波段選擇方法57-67
• 5.1 利用空間鄰域擴(kuò)充標(biāo)記樣本57-58
• 5.2 線性插值擴(kuò)充標(biāo)記樣本58
• 5.3 仿真實(shí)驗(yàn)與結(jié)果分析58-66
• 5.3.1 仿真實(shí)驗(yàn)數(shù)據(jù)59
• 5.3.2 仿真實(shí)驗(yàn)步驟59-60
• 5.3.3 仿真結(jié)果分析60-66
• 5.4 本章小結(jié)66-67
• 第六章 總結(jié)與展望67-69
• 參考文獻(xiàn)69-73
• 致謝73-75
• 作者簡介75-76

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 許泉立;易俊華;;一種基于最佳指數(shù)模型的TM遙感影像最佳波段組合計(jì)算方法[J];測繪與空間地理信息;2014年04期

2 姚旭;王曉丹;張玉璽;權(quán)文;;特征選擇方法綜述[J];控制與決策;2012年02期

3 蘇紅軍;盛業(yè)華;;基于正交投影散度的高光譜遙感波段選擇算法[J];光譜學(xué)與光譜分析;2011年05期

，

本文編號：831455