本文關(guān)鍵詞：基于SVM與子空間結(jié)合的高光譜圖像分類算法研究

  更多相關(guān)文章： 高光譜圖像分類 高光譜噪聲 SVM 子空間

【摘要】：高光譜遙感的發(fā)展使得遙感圖像分類在遙感學(xué)上又上了一個嶄新的臺階，高光譜遙感已經(jīng)成為遙感領(lǐng)域的前沿科技，其中高光譜圖像分類技術(shù)已經(jīng)成為高光譜遙感處理領(lǐng)域的研究熱點，高光譜遙感的諸多特點保證了高光譜遙感圖像應(yīng)用于地物分類的高精確性和有效性，但同時高光譜圖像的一些特點卻使得高光譜分類過程中遇到了阻礙和制約，如“維數(shù)災(zāi)難”，，噪聲現(xiàn)象和小樣本等問題。目前，國內(nèi)外很多學(xué)者都在致力于解決這些高光譜分類遇到的困難和矛盾，并取得了各個方面的有價值的進(jìn)展。 本文提出了一種針對于高光譜圖像的監(jiān)督分類算法，支持向量機(Support VectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢。子空間投影方法最初是線性特征抽取和數(shù)據(jù)壓縮的產(chǎn)物，其作用是將矢量形式給出的數(shù)據(jù)壓縮到能量集中的主軸上，實現(xiàn)數(shù)據(jù)從高維空間向低維空間映射。本文實現(xiàn)了將支持向量機與子空間方法結(jié)合并利用LIBSVM工具箱對高光譜圖像數(shù)據(jù)的分類，且通過嚴(yán)密的驗證方法對實驗結(jié)果進(jìn)行了驗證，證明本文的方法科學(xué)、可行，并具有很高的實際應(yīng)用價值。
【關(guān)鍵詞】：高光譜圖像分類 高光譜噪聲 SVM 子空間
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：P237;TP751
【目錄】：

• 摘要2-3
• ABSTRACT3-4
• 目錄4-6
• 1 緒論6-14
• 1.1 研究背景和研究意義6-8
• 1.1.1 研究背景6
• 1.1.2 研究目的6-7
• 1.1.3 研究意義7-8
• 1.2 國內(nèi)外研究現(xiàn)狀8-10
• 1.2.1 高光譜遙感及分類8-9
• 1.2.2 子空間理論9
• 1.2.3 支持向量機(SVM)9-10
• 1.2.4 LIBSVM 工具箱10
• 1.3 研究技術(shù)路線及論文結(jié)構(gòu)10-14
• 1.3.1 研究思路10-12
• 1.3.2 研究內(nèi)容12
• 1.3.3 擬解決的問題12
• 1.3.4 技術(shù)路線12-13
• 1.3.5 論文組織結(jié)構(gòu)13-14
• 2 高光譜遙感14-19
• 2.1 高光譜遙感簡介14-16
• 2.1.1 高光譜遙感14
• 2.1.2 高光譜遙感圖像14-16
• 2.2 高光譜遙感分類16-19
• 2.2.1 高光譜遙感分類特點16-17
• 2.2.2 高光譜遙感分類算法17
• 2.2.3 高光譜遙感分類精度評價17-19
• 3 基于高光譜遙感圖像的 SVM 和子空間原理19-26
• 3.1 高光譜遙感圖像子空間方法原理19-21
• 3.1.1 子空間方法原理理論19-20
• 3.1.2 高光譜遙感圖像的子空間20-21
• 3.2 基于高光譜遙感圖像 SVM 分類原理21-26
• 3.2.1 SVM 分類原理21-24
• 3.2.2 高光譜遙感圖像 SVM 分類24
• 3.2.3 LIBSVM 工具箱使用介紹24-26
• 4 基于 SVM 和子空間結(jié)合的高光譜圖像分類方法26-37
• 4.1 實驗方案設(shè)計26
• 4.2 數(shù)據(jù)處理及實驗26-36
• 4.2.1 研究區(qū)域26-29
• 4.2.2 數(shù)據(jù)及預(yù)處理29-30
• 4.2.3 實驗及結(jié)果評價30-36
• 4.3 本章小結(jié)36-37
• 5 總結(jié)與展望37-39
• 5.1 總結(jié)37-38
• 5.1.1 研究成果總結(jié)37
• 5.1.2 理論總結(jié)37-38
• 5.2 展望38-39
• 5.2.1 應(yīng)用展望38
• 5.2.2 技術(shù)展望38-39
• 致謝39-40
• 參考文獻(xiàn)40-44
• 附錄44

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 苑津莎;張利偉;王瑜;尚海昆;;基于極限學(xué)習(xí)機的變壓器故障診斷方法研究[J];電測與儀表;2013年12期

2 張凱;趙建虎;王鍥;;基于支持向量機的水下地形匹配導(dǎo)航中適配區(qū)劃分方法研究[J];大地測量與地球動力學(xué);2013年06期

3 周任軍;趙慧材;方昀暉;劉巍;;采用支持向量機圖形用戶界面的電力負(fù)荷組合預(yù)測方法[J];電力科學(xué)與工程;2013年12期

4 郝理陽;潘泉;;基于融合核方程對藥物-靶點作用預(yù)測研究[J];電子設(shè)計工程;2013年23期

5 王文;王成剛;李建海;楊帆;;基于SVR的電工實驗裝置故障預(yù)測方法研究[J];電氣電子教學(xué)學(xué)報;2013年06期

6 SUN Juelu;;An improved method to distinguish between scanned and rasterized document images[J];Baosteel Technical Research;2014年01期

7 歐陽純萍;陽小華;雷龍艷;徐強;余穎;劉志明;;多策略中文微博細(xì)粒度情緒分析研究[J];北京大學(xué)學(xué)報(自然科學(xué)版);2014年01期

8 李雅倩;李穎杰;李海濱;張強;張文明;;融合全局與局部多樣性特征的人臉表情識別[J];光學(xué)學(xué)報;2014年05期

9 李姜;郭立紅;;基于改進(jìn)支持向量機的目標(biāo)威脅估計[J];光學(xué)精密工程;2014年05期

10 王曉春;黃靖;楊豐;羅蔓;;基于SVM模型參數(shù)優(yōu)化的多模態(tài)MRI圖像腫瘤分割方法[J];南方醫(yī)科大學(xué)學(xué)報;2014年05期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 錢志明;楊家寬;段連鑫;;基于視頻的車輛檢測與跟蹤研究進(jìn)展[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

2 朱強華;鄭鐵然;韓紀(jì)慶;;行車環(huán)境下基于二值語譜圖的聲學(xué)事件檢測[A];第十二屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC'2013）論文集[C];2013年

3 YAN Jun-wei;Zhou Yu;ZHOU Xuan;;Study on Operation Energy Efficiency Model of Chiller Based on SVR[A];第26屆中國控制與決策會議論文集[C];2014年

4 蔡英鳳;王海;陳小波;;基于多部件RBM模型的部分遮擋車輛檢測[A];2014第九屆中國智能交通年會大會論文集[C];2014年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王永慧;板帶鋼缺陷圖像的多體分類模型及識別技術(shù)研究[D];東北大學(xué)　;2009年

2 王寶勛;面向網(wǎng)絡(luò)社區(qū)問答對的語義挖掘研究[D];哈爾濱工業(yè)大學(xué);2013年

3 常廣;高壓斷路器振動監(jiān)測與故障診斷的研究[D];北京交通大學(xué);2013年

4 姜恩宇;基于直腸感知功能重建的人工括約肌系統(tǒng)研究[D];上海大學(xué);2013年

5 邵喜高;基于統(tǒng)計學(xué)習(xí)理論的多核預(yù)測模型研究及應(yīng)用[D];中南大學(xué);2013年

6 木瑞塔（Murtada Khalafallah Elbashir Elfaki）;基于機器學(xué)習(xí)和統(tǒng)計方法的蛋白質(zhì)結(jié)構(gòu)特征預(yù)測[D];中南大學(xué);2013年

7 張國鵬;三維紋理分析在虛擬結(jié)腸鏡計算機輔助檢測/診斷中的應(yīng)用研究[D];第四軍醫(yī)大學(xué);2013年

8 鄧盛川;具有調(diào)峰爐的熱力站節(jié)能控制策略研究[D];哈爾濱工業(yè)大學(xué);2012年

9 李翔;隧道工程穩(wěn)定可靠度計算分析方法研究[D];湖南大學(xué);2012年

10 張志敏;化學(xué)計量學(xué)算法實現(xiàn)的軟件開發(fā)基礎(chǔ)研究[D];中南大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 馬靜;基于數(shù)據(jù)不平衡的SVM方法預(yù)測microRNA[D];燕山大學(xué);2013年

2 冉沛;基于特征提取的篡改圖像取證研究[D];重慶大學(xué);2013年

3 劉峰;基于多目標(biāo)優(yōu)化的多標(biāo)簽分類算法參數(shù)調(diào)諧研究[D];南京師范大學(xué);2013年

4 袁建洲;風(fēng)電場短期功率預(yù)測方法的研究[D];南昌大學(xué);2013年

5 周明輝;運動車輛車牌識別算法的研究與實現(xiàn)[D];昆明理工大學(xué);2013年

6 張軼;干擾量化類隱寫的檢測[D];解放軍信息工程大學(xué);2013年

7 李家魁;基于序列進(jìn)化信息的蛋白質(zhì)預(yù)測研究[D];東北師范大學(xué);2013年

8 王星;利用聚類后PCA方法的T細(xì)胞表位預(yù)測研究[D];東北師范大學(xué);2013年

9 魏雅娟;暗視場浮游動物圖像自動識別方法研究[D];中國海洋大學(xué);2013年

10 劉毅;基于內(nèi)容的敏感圖像識別技術(shù)研究[D];北京工業(yè)大學(xué);2013年

本文編號：1119719