降維是高光譜影像應(yīng)用中重要的預(yù)處理步驟,特別是在小樣本情況下。本研究提出了一種名為超像素核主成分分析（superpixelwise kernel principal component analysis,SuperKPCA）的降維方法。它通過(guò)對(duì)經(jīng)圖像分割算法得到的各同質(zhì)區(qū)域（超像素）執(zhí)行核主成分分析（kernel principal component analysis,KPCA）,能在利用超像素挖掘空間信息的同時(shí),通過(guò)核方法處理高光譜影像中廣泛存在的非線性特征。執(zhí)行SuperKPCA需要選擇合適的圖像分割算法。熵率超像素分割（entropy rate superpixel segmentation,ERS）和簡(jiǎn)單線性迭代聚類（simple linear iterative clustering,SLIC）分別是基于圖和基于梯度的圖像分割算法中應(yīng)用非常廣泛的兩種算法。因此,本研究詳細(xì)對(duì)比了使用這兩種圖像分割算法執(zhí)行SuperKPCA的效果差異。ERS和SLIC的輸入影像均為灰度或RGB圖,但高光譜影像通常包含數(shù)百個(gè)波段。因此,對(duì)于這兩種分割算法,本研究亦對(duì)比了當(dāng)分別使用由主成分分析（p... 

【文章來(lái)源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與技術(shù)路線
    1.4 論文組織
第2章 數(shù)據(jù)與方法
    2.1 概述
    2.2 數(shù)據(jù)集
    2.3 超像素分割算法
    2.4 多尺度分割策略
    2.5 核主成分分析
    2.6 決策融合
    2.7 分類精度評(píng)價(jià)
第3章 基于ERS分割的超像素核主成分分析
    3.1 實(shí)驗(yàn)設(shè)計(jì)
    3.2 參數(shù)分析
    3.3 融合基于不同基礎(chǔ)影像的多尺度分類結(jié)果
第4章 基于SLIC分割的超像素核主成分分析
    4.1 實(shí)驗(yàn)設(shè)計(jì)
    4.2 參數(shù)分析
    4.3 融合基于不同基礎(chǔ)影像的多尺度分類結(jié)果
第5章 與其他降維方法的比較
    5.1 降維效果
    5.2 運(yùn)行時(shí)間
第6章 結(jié)論與展望
    6.1 研究結(jié)論
    6.2 未來(lái)研究展望
參考文獻(xiàn)
致謝
在校期間發(fā)表的論文及參加的課題


【參考文獻(xiàn)】：
期刊論文
[1]工礦業(yè)城市區(qū)域水質(zhì)參數(shù)高光譜定量反演[J]. 彭令,梅軍軍,王娜,徐素寧,劉文波,邢顧蓮,陳啟浩.  光譜學(xué)與光譜分析. 2019(09)
[2]農(nóng)業(yè)高光譜遙感研究進(jìn)展及發(fā)展趨勢(shì)[J]. 陳云浩,王思佳,趙逸飛,王明國(guó).  地理與地理信息科學(xué). 2019(05)
[3]中國(guó)高光譜遙感的前沿進(jìn)展[J]. 童慶禧,張兵,張立福.  遙感學(xué)報(bào). 2016(05)
[4]高光譜圖像處理與信息提取前沿[J]. 張兵.  遙感學(xué)報(bào). 2016(05)
[5]高光譜遙感影像分類研究進(jìn)展[J]. 杜培軍,夏俊士,薛朝輝,譚琨,蘇紅軍,鮑蕊.  遙感學(xué)報(bào). 2016(02)

碩士論文
[1]基于深度學(xué)習(xí)的高光譜圖像無(wú)監(jiān)督空譜聯(lián)合特征提取[D]. 毛貽順.西安電子科技大學(xué) 2019
[2]基于超像素分割的高光譜圖像特征變換和分類算法研究[D]. 鄧彬.深圳大學(xué) 2018
[3]基于核MNF變換的高光譜數(shù)據(jù)降維算法研究[D]. 趙斌.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所) 2017



本文編號(hào)：3181767