本文關(guān)鍵詞：基于稀疏表示的高光譜遙感影像半監(jiān)督降維算法研究

  更多相關(guān)文章： 高光譜遙感 稀疏表示 半監(jiān)督降維 改進(jìn)稀疏表示分類器

【摘要】：高光譜遙感影像相比其他遙感數(shù)據(jù)提供了更加豐富的地球表面信息,在近20年得到了迅速的發(fā)展和大量應(yīng)用。高光譜遙感影像波段多,數(shù)據(jù)量大,這給數(shù)據(jù)的處理帶來了一定的困難,因此高光譜遙感影像常常要經(jīng)過特征選擇或特征提取等方法進(jìn)行降維作為高光譜數(shù)據(jù)的預(yù)處理工作。本文從高光譜遙感影像處理技術(shù)中的特征提取出發(fā),在深入研究稀疏表示降維方法的基礎(chǔ)上提出一種基于稀疏表示的半監(jiān)督降維算法并將其應(yīng)用到高光譜遙感數(shù)據(jù)降維中。論文主要取得以下成果:(1)論文在分析高光譜遙感數(shù)據(jù)特征的基礎(chǔ)上,圍繞特征提取的降維算法詳細(xì)闡述了稀疏表示理論,并引入小波去噪方法對(duì)稀疏表示分類器進(jìn)行改進(jìn)。通過試驗(yàn)表明結(jié)合小波去噪的方法能夠有效的提高稀疏表示分類器的性能。(2)分析了基于非監(jiān)督稀疏表示的降維方法SPGE和監(jiān)督稀疏表示算法BSGDA,針對(duì)BSGDA運(yùn)算效率低的特點(diǎn),提出一種“構(gòu)小圖”的方法來構(gòu)建稀疏相似矩陣進(jìn)行監(jiān)督稀疏表示降維算法。通過試驗(yàn)表明采用“構(gòu)小圖”的方法能夠大大提高運(yùn)算效率,為BSGDA的應(yīng)用奠定了一定的基礎(chǔ)。(3)結(jié)合半監(jiān)督學(xué)習(xí),利用小波去噪的稀疏分類器和最鄰近正規(guī)化方法進(jìn)行樣本的增選,在BSGDA的基礎(chǔ)上提出一種基于稀疏表示的半監(jiān)督降維算法。試驗(yàn)表明在訓(xùn)練樣本小的情況下,該方法較監(jiān)督降維算法BSGDA和非監(jiān)督算法LE能夠取得更好的降維效果。
【關(guān)鍵詞】：高光譜遙感 稀疏表示 半監(jiān)督降維 改進(jìn)稀疏表示分類器
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：P237
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-14
• 1 緒論14-22
• 1.1 研究背景與意義14-15
• 1.2 相關(guān)領(lǐng)域的研究進(jìn)展15-19
• 1.3 研究內(nèi)容與技術(shù)路線19-20
• 1.4 論文組織結(jié)構(gòu)20-22
• 2 半監(jiān)督高光譜影像降維理論與方法22-29
• 2.1 半監(jiān)督降維算法的理論基礎(chǔ)22-25
• 2.2 稀疏表示的理論技術(shù)25-27
• 2.3 高光譜試驗(yàn)數(shù)據(jù)27-28
• 2.4 本章小結(jié)28-29
• 3 基于小波去噪的稀疏表示分類器29-38
• 3.1 引言29
• 3.2 稀疏表示分類器原理29-30
• 3.3 基于小波去噪的稀疏表示分類器原理30-32
• 3.4 試驗(yàn)與結(jié)果分析32-37
• 3.5 本章小結(jié)37-38
• 4 監(jiān)督稀疏降維算法38-47
• 4.1 引言38
• 4.2 監(jiān)督稀疏降維算法原理38-41
• 4.3 依據(jù)標(biāo)簽信息構(gòu)建稀疏圖理論分析41-43
• 4.4 試驗(yàn)與結(jié)果分析43-46
• 4.5 本章小結(jié)46-47
• 5 基于稀疏表示的半監(jiān)督高光譜遙感影像降維47-60
• 5.1 引言47
• 5.2 增選樣本策略47-49
• 5.3 基于稀疏圖的半監(jiān)督判別分析49-50
• 5.4 試驗(yàn)與分析50-58
• 5.5 本章小結(jié)58-60
• 6 結(jié)論與展望60-62
• 6.1 結(jié)論60-61
• 6.2 展望61-62
• 參考文獻(xiàn)62-68
• 作者簡(jiǎn)歷68-70
• 學(xué)位論文數(shù)據(jù)集70

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 張麗新,王家^，

本文編號(hào)：926830