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(gè)嶄新的臺(tái)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(diǎn)，高光譜遙感的諸多特點(diǎn)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(shí)高光譜圖像的一些特點(diǎn)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(gè)方面的有價(jià)值的進(jìn)展。 本文提出了一種針對(duì)于高光譜圖像的監(jiān)督分類算法，支持向量機(jī)(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(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì)。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(shí)現(xiàn)數(shù)據(jù)從高維空間向低維空間映射。本文實(shí)現(xiàn)了將支持向量機(jī)與子空間方法結(jié)合并利用LIBSVM工具箱對(duì)高光譜圖像數(shù)據(jù)的分類，且通過嚴(yán)密的驗(yàn)證方法對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了驗(yàn)證，證明本文的方法科學(xué)、可行，并具有很高的實(shí)際應(yīng)用價(jià)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(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：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(jī)(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?jī)?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(jiǎn)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(diǎn)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(píng)價(jià)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(shí)驗(yàn)方案設(shè)計(jì)26
• 4.2 數(shù)據(jù)處理及實(shí)驗(yàn)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(shí)驗(yàn)及結(jié)果評(píng)價(jià)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(jī)的變壓器故障診斷方法研究[J];電測(cè)與儀表;2013年12期

2 張凱;趙建虎;王鍥;;基于支持向量機(jī)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(cè)量與地球動(dòng)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(jī)圖形用戶界面的電力負(fù)荷組合預(yù)測(cè)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(duì)藥物-靶點(diǎn)作用預(yù)測(cè)研究[J];電子設(shè)計(jì)工程;2013年23期

5 王文;王成剛;李建海;楊帆;;基于SVR的電工實(shí)驗(yàn)裝置故障預(yù)測(cè)方法研究[J];電氣電子教學(xué)學(xué)報(bào);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(qiáng);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(bào)(自然科學(xué)版);2014年01期

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

9 李姜;郭立紅;;基于改進(jìn)支持向量機(jī)的目標(biāo)威脅估計(jì)[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(bào);2014年05期

中國重要會(huì)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(cè)與跟蹤研究進(jìn)展[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

2 朱強(qiáng)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(cè)[A];第十二屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)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(huì)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(cè)[A];2014第九屆中國智能交通年會(huì)大會(huì)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(shí)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(duì)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(dòng)監(jiān)測(cè)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(jì)學(xué)習(xí)理論的多核預(yù)測(cè)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(jī)器學(xué)習(xí)和統(tǒng)計(jì)方法的蛋白質(zhì)結(jié)構(gòu)特征預(yù)測(cè)[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(jì)算機(jī)輔助檢測(cè)/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(jì)算分析方法研究[D];湖南大學(xué);2012年

10 張志敏;化學(xué)計(jì)量學(xué)算法實(shí)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(cè)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(chǎng)短期功率預(yù)測(cè)方法的研究[D];南昌大學(xué);2013年

5 周明輝;運(yùn)動(dòng)車輛車牌識(shí)別算法的研究與實(shí)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(cè)[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(cè)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(cè)研究[D];東北師范大學(xué);2013年

9 魏雅娟;暗視場(chǎng)浮游動(dòng)物圖像自動(dòng)識(shí)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(shí)別技術(shù)研究[D];北京工業(yè)大學(xué);2013年

本文編號(hào)：1119719