隨著傳感器和信息技術的發(fā)展進步,高空間分辨率的高光譜圖像分類技術得到了越來越多的研究和應用,如人臉識別檢測、圖像處理等領域。然而,高光譜圖像在擁有豐富信息的同時,還存在著圖像信息數(shù)據(jù)量過大、相關性強等諸多問題,這極大地提高了高光譜圖像信息提取和分類的效率和難度。目前傳統(tǒng)的高光譜圖像分類技術主要采用了提取圖像的光譜特征,進而對圖像進行分類處理,但卻完全忽略了圖像中存在的包含重要數(shù)據(jù)和信息的空間特征。近年來,人們對利用提取空間特征信息來提高高光譜圖像分類性能的方法有著極大的研究興趣。本論文比較系統(tǒng)的研究了高光譜圖像的特征提取和分類方法,將圖像的光譜特征和空間特征結合起來,并深入的研究了基于極端學習機分類器的高光譜圖像分類技術和算法,論文主要的內(nèi)容和重點如下:（1）研究了基于局部二值模式的高光譜圖像空間特征提取。該方法在空間特征提取方面有著顯著的優(yōu)勢,并將提取的空間特征向量與光譜特征向量相結合,得到新的空譜聯(lián)合特征向量,以解決圖像分類過程中提取單一特征導致特征提取不充分、分類效果不理想的問題。（2）提出了基于空譜特征的核極端學習機高光譜圖像分類算法,使用核極端學習機分類器,代替?zhèn)鹘y(tǒng)的極端學習... 

【文章來源】：遼寧師范大學遼寧省

【文章頁數(shù)】：28 頁

【學位級別】：碩士

【部分圖文】：

LBP算法示例[44].（a）中心像素tc及其8個半徑r=1的70}{iit圓形鄰域；（b）3×3樣本示例；（c）8個鄰域的二進制標簽.

基于魯棒性極端學習機的高光譜特征與圖像分類研究8圖2LBP特征提取的實現(xiàn)[45]要注意的是，在本文中，我們使用的是原始LBP的擴展，稱為均勻模式。均勻模式可以有效地減少特征向量并實現(xiàn)簡單的旋轉不變算子。如果二進制模式中最多包含兩個0-1或1-0轉換，則LBP被稱為均勻的。在求解每個波段的LBP直方圖時，將所有非均勻的圖案都分配到一個單格點上。然后，一個波段的特征向量就可以從256個減少到59個。2.2空譜特征結合理論光譜特征包含了用于區(qū)分不同類型的地面類別的重要信息，空間特征則在減少類內(nèi)方差的同時可以改善分類性能。因此，光譜和空間特征向量的組合，為實現(xiàn)高光譜圖像的分類提供了更可靠的結果。本文中，通過使用矢量堆疊方法，來解決光譜和空間特征向量的集成，如圖3所示。具體地是，對于每個像素，將其空間特征向量添加到光譜特征向量的末尾，即可得到新的空譜特征向量。然后，將這些新的空譜特征向量引入到分類器中進行分類。詳細的分類模型將在以下小節(jié)中描述。圖3光譜特征和空間特征提取及矢量堆疊方法流程圖[45]

基于魯棒性極端學習機的高光譜特征與圖像分類研究8圖2LBP特征提取的實現(xiàn)[45]要注意的是，在本文中，我們使用的是原始LBP的擴展，稱為均勻模式。均勻模式可以有效地減少特征向量并實現(xiàn)簡單的旋轉不變算子。如果二進制模式中最多包含兩個0-1或1-0轉換，則LBP被稱為均勻的。在求解每個波段的LBP直方圖時，將所有非均勻的圖案都分配到一個單格點上。然后，一個波段的特征向量就可以從256個減少到59個。2.2空譜特征結合理論光譜特征包含了用于區(qū)分不同類型的地面類別的重要信息，空間特征則在減少類內(nèi)方差的同時可以改善分類性能。因此，光譜和空間特征向量的組合，為實現(xiàn)高光譜圖像的分類提供了更可靠的結果。本文中，通過使用矢量堆疊方法，來解決光譜和空間特征向量的集成，如圖3所示。具體地是，對于每個像素，將其空間特征向量添加到光譜特征向量的末尾，即可得到新的空譜特征向量。然后，將這些新的空譜特征向量引入到分類器中進行分類。詳細的分類模型將在以下小節(jié)中描述。圖3光譜特征和空間特征提取及矢量堆疊方法流程圖[45]

【參考文獻】：
期刊論文
[1]基于空譜聯(lián)合協(xié)同表征的高光譜圖像分類算法[J]. 劉穎,劉蕊,李大湘,楊凡超.  計算機工程與設計. 2020(03)
[2]結合最大似然算法和波利亞罐模型的全色遙感圖像分類[J]. 李杰,李玉,王玉,趙泉華.  測繪通報. 2018(04)
[3]基于聚類和最佳指數(shù)的快速高光譜波段選擇方法[J]. 郭彤,華文深,劉恂,劉曉光.  光學技術. 2016(06)
[4]高光譜遙感圖像空譜聯(lián)合分類方法研究[J]. 李鐵,孫勁光,張新君,王星.  儀器儀表學報. 2016(06)
[5]融合光譜-空間信息的高光譜遙感影像增量分類算法[J]. 王俊淑,江南,張國明,李楊,呂恒.  測繪學報. 2015(09)
[6]K-means和ISODATA聚類算法的比較研究[J]. 陳平生.  江西理工大學學報. 2012(01)
[7]ISODATA算法的實現(xiàn)與分析[J]. 楊小明,羅云.  采礦技術. 2006(02)

博士論文
[1]基于空譜特征挖掘的高光譜圖像分類方法研究[D]. 劉務.哈爾濱工程大學 2018
[2]基于高斯過程的高光譜圖像分類研究[D]. 姚伏天.浙江大學 2011

碩士論文
[1]融合空-譜信息的高光譜圖像分類方法研究[D]. 商卉.哈爾濱工程大學 2019
[2]高光譜圖像的特征提取與分類識別方法研究[D]. 吉春蕊.西安電子科技大學 2018



本文編號：2955690