本文關(guān)鍵詞：基于字典學(xué)習(xí)的高光譜圖像分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著遙感技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展,高光譜遙感圖像已經(jīng)滲入到社會(huì)、經(jīng)濟(jì)的各個(gè)領(lǐng)域。同時(shí),高光譜圖像的數(shù)量也日趨增長,如何組織圖像、對(duì)高光譜圖像進(jìn)行分類任務(wù),就成為了遙感信息技術(shù)領(lǐng)域中一項(xiàng)重要的研究課題。由于高光譜圖像有著維數(shù)高、樣本少的特點(diǎn),而傳統(tǒng)高光譜圖像分類方法僅考慮了光譜特性而忽略了圖像中的空間特性,加之圖像的數(shù)字化存儲(chǔ)與人類語義理解之間存在天然的“語義鴻溝”問題,高效可靠的高光譜圖像分類依然充滿挑戰(zhàn)。字典學(xué)習(xí)模型在自然圖像分類上的成功應(yīng)用,為高光譜圖像分類問題提供了新的思路,本文基于字典學(xué)習(xí)模型,對(duì)高光譜圖像的空間信息進(jìn)一步地挖掘,并嘗試從三個(gè)方面提出了對(duì)現(xiàn)有高光譜圖像分類問題的解決方案。首先,針對(duì)高光譜圖像中豐富的空間信息提出一種新型的字典學(xué)習(xí)框架。通過字典學(xué)習(xí)框架對(duì)含有豐富空間信息的底層特征進(jìn)行編碼,以獲得能夠較好保持特征空間結(jié)構(gòu)信息的高層語義編碼,也消除了底層特征與圖像高層語義之間的“語義鴻溝”。其次,針對(duì)字典學(xué)習(xí)框架中大部分算法在編碼過程中僅僅考慮了顯著性特征的問題,提出并實(shí)現(xiàn)一種空間結(jié)構(gòu)性保留的編碼策略。先在字典生成階段保持字典項(xiàng)的局部空間信息。而后在編碼階段基于密度適應(yīng)性地選擇特征進(jìn)行編碼,避免了編碼過程中的高光譜圖像的空間信息損失,從而獲得較好的特征和分類準(zhǔn)確率。最后,針對(duì)傳統(tǒng)高光譜圖像稀疏表示的研究中,研究者們僅僅在編碼的樣本選擇階段考慮空間“近鄰”關(guān)系的缺點(diǎn),提出并實(shí)現(xiàn)一種新的空間約束的特征編碼方式,在編碼階段定義空間懲罰項(xiàng)作為約束條件來控制編碼,使得空間上有近鄰關(guān)系像素的編碼能夠盡可能地相似。
【關(guān)鍵詞】：高光譜圖像分類 字典學(xué)習(xí) 特征編碼 密度約束 空間約束 稀疏表示
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP751
【目錄】：

• 摘要4-5
• Abstract5-11
• 第一章 緒論11-21
• 1.1 研究背景及意義11-13
• 1.2 國內(nèi)外研究現(xiàn)狀分析13-18
• 1.2.1 高光譜遙感現(xiàn)狀13-14
• 1.2.2 高光譜圖像分類現(xiàn)狀14-15
• 1.2.3 詞袋模型研究現(xiàn)狀15-18
• 1.3 論文的內(nèi)容和貢獻(xiàn)18-19
• 1.4 論文組織19-21
• 第二章 基于字典學(xué)習(xí)與形態(tài)學(xué)編碼的高光譜圖像分類21-33
• 2.1 引言21-23
• 2.2 基礎(chǔ)理論23-25
• 2.2.1 擴(kuò)展形態(tài)學(xué)剖面23-24
• 2.2.2 字典學(xué)習(xí)與特征編碼24-25
• 2.3 基于字典學(xué)習(xí)的擴(kuò)展形態(tài)學(xué)剖面編碼25-27
• 2.4 實(shí)驗(yàn)27-31
• 2.4.1 實(shí)驗(yàn)數(shù)據(jù)集27-28
• 2.4.2 實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)28-29
• 2.4.3 實(shí)驗(yàn)結(jié)果分析29-31
• 2.5 本章小結(jié)31-33
• 第三章 基于空間結(jié)構(gòu)保持編碼的高光譜圖像分類33-45
• 3.1 引言33-34
• 3.2 結(jié)構(gòu)性編碼方法34-35
• 3.3 基于空間結(jié)構(gòu)保留的編碼方法35-39
• 3.3.1 字典生成35-37
• 3.3.2 基于密度約束的編碼37-39
• 3.4 實(shí)驗(yàn)39-44
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)集40
• 3.4.2 實(shí)驗(yàn)結(jié)果及分析40-44
• 3.5 本章小結(jié)44-45
• 第四章 基于空間約束稀疏編碼的高光譜圖像分類45-57
• 4.1 引言45-46
• 4.2 稀疏表示46-47
• 4.3 基于空間約束的特征編碼47-49
• 4.3.1 空間約束矩陣47-49
• 4.3.2 基于空間約束矩陣的稀疏編碼方法49
• 4.4 實(shí)驗(yàn)49-56
• 4.5 本章小結(jié)56-57
• 第五章 總結(jié)和展望57-60
• 5.1 工作總結(jié)57-58
• 5.2 展望58-60
• 參考文獻(xiàn)60-69
• 簡歷與科研成果69-70
• 致謝70-71

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 諶德榮;宮久路;陳乾;曹旭平;;基于樣本分割的快速高光譜圖像異常檢測支持向量數(shù)據(jù)描述方法[J];兵工學(xué)報(bào);2008年09期

2 蒲曉豐;雷武虎;張林虎;蔣奇材;;基于Fukunaga-Koontz變換的高光譜圖像異常檢測[J];紅外技術(shù);2010年04期

3 成寶芝;郭宗光;;高光譜圖像波段間相關(guān)特性研究[J];大慶師范學(xué)院學(xué)報(bào);2013年06期

4 楊龍;易宏杰;李因彥;;遙感高光譜圖像赤潮識(shí)別[J];傳感器世界;2007年05期

5 汪倩;陶鵬;;結(jié)合空間信息的高光譜圖像快速分類方法[J];微計(jì)算機(jī)信息;2010年21期

6 王立國;孫杰;肖倩;;結(jié)合空-譜信息的高光譜圖像分類方法[J];黑龍江大學(xué)自然科學(xué)學(xué)報(bào);2010年06期

7 馮朝麗;朱啟兵;朱曉;黃敏;;基于光譜特征的玉米品種高光譜圖像識(shí)別[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

8 付歡;龍海南;韓曉霞;;基于冗余字典的高光譜圖像的稀疏分解[J];河北軟件職業(yè)技術(shù)學(xué)院學(xué)報(bào);2013年04期

9 耿修瑞,張霞,陳正超,張兵,鄭蘭芬,童慶禧;一種基于空間連續(xù)性的高光譜圖像分類方法[J];紅外與毫米波學(xué)報(bào);2004年04期

10 張綺瑋;機(jī)載高光譜遙感圖像處理軟件系統(tǒng)[J];紅外;2005年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識(shí)別研究[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2004年

2 高連如;張兵;孫旭;李山山;張文娟;;高光譜數(shù)據(jù)降維與分類技術(shù)研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

3 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會(huì)論文（摘要）集[C];2013年

4 孫蕾;羅建書;;基于分類預(yù)測的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

5 楊勇;劉木華;鄒小蓮;苗蓬勃;趙珍珍;;基于高光譜圖像技術(shù)的獼猴桃硬度品質(zhì)檢測[A];走中國特色農(nóng)業(yè)機(jī)械化道路——中國農(nóng)業(yè)機(jī)械學(xué)會(huì)2008年學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2008年

6 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質(zhì)量綜合評(píng)價(jià)[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

7 高東生;高連知;;基于獨(dú)立分量分析的高光譜圖像目標(biāo)盲探測方法研究[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

8 馮維一;陳錢;何偉基;;基于小波稀疏的高光譜目標(biāo)探測算法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會(huì)論文（摘要）集[C];2013年

9 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

10 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測[A];中國光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復(fù)旦大學(xué);2014年

2 王亮亮;非線性流形結(jié)構(gòu)在高光譜圖像異常檢測中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 賀智;改進(jìn)的經(jīng)驗(yàn)?zāi)B(tài)分解算法及其在高光譜圖像分類中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

4 魏然;基于成像機(jī)理分析的高光譜圖像信息恢復(fù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學(xué);2015年

6 馮婕;基于軟計(jì)算和互信息理論的遙感圖像地物分類[D];西安電子科技大學(xué);2014年

7 孫濤;快速多核學(xué)習(xí)分類研究及應(yīng)用[D];西安電子科技大學(xué);2015年

8 李昌國;基于譜間和校正相關(guān)性的高光譜圖像壓縮方法研究及GPU并行實(shí)現(xiàn)[D];成都理工大學(xué);2015年

9 徐速;基于壓縮感知的高光譜圖像稀疏解混方法研究[D];重慶大學(xué);2015年

10 南一冰;星載推掃型高光譜運(yùn)動(dòng)成像誤差建模與高精度校正技術(shù)研究[D];北京理工大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 豐爍;高光譜圖像波段選取問題的改進(jìn)算法研究[D];昆明理工大學(xué);2015年

2 趙偉彥;果蔬干燥過程中的品質(zhì)無損檢測技術(shù)研究[D];江南大學(xué);2015年

3 馬亞楠;果蔬中內(nèi)部害蟲的高光譜圖像檢測技術(shù)研究[D];江南大學(xué);2015年

4 劉大洋;基于近紅外光譜和高光譜圖像技術(shù)無損識(shí)別獼猴桃膨大果[D];西北農(nóng)林科技大學(xué);2015年

5 王坤;高光譜圖像異常目標(biāo)檢測及光譜成像在偽裝評(píng)估方面的應(yīng)用研究[D];南京理工大學(xué);2015年

6 王啟聰;高光譜圖像分類的GPU并行優(yōu)化研究[D];南京理工大學(xué);2015年

7 程凱;無先驗(yàn)信息的高光譜圖像小目標(biāo)檢測算法研究[D];蘇州大學(xué);2015年

8 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測研究[D];寧夏大學(xué);2015年

9 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識(shí)別建模研究[D];寧夏大學(xué);2015年

10 吳蓓芬;偏振高光譜圖像場景仿真及分類方法研究[D];哈爾濱工業(yè)大學(xué);2015年

  本文關(guān)鍵詞：基于字典學(xué)習(xí)的高光譜圖像分類方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：266400