高光譜圖像分類是遙感圖像區(qū)分地物和判讀地物目標(biāo)的主要方法之一,也是遙感領(lǐng)域中熱點(diǎn)研究問(wèn)題之一。高光譜圖像通常包含豐富的連續(xù)窄波段和光譜信息,可以廣泛的應(yīng)用于礦物勘探、農(nóng)業(yè)和環(huán)境監(jiān)測(cè)等領(lǐng)域。這些應(yīng)用促進(jìn)了高光譜圖像分類算法的優(yōu)化和完善,其中基于協(xié)同表示的分類算法使用帶標(biāo)記的訓(xùn)練樣本線性表示測(cè)試樣本,并根據(jù)表示殘差確定測(cè)試像素的類標(biāo)簽,整個(gè)分類過(guò)程不需要假設(shè)任何數(shù)據(jù)密度分布,也不需要用訓(xùn)練樣本訓(xùn)練分類器模型。因此,協(xié)同表示算法在遙感圖像分類領(lǐng)域備受關(guān)注。但傳統(tǒng)的協(xié)同表示算法僅僅將光譜信息和空間信息作為分類特征輸入到模型中進(jìn)行分類,沒(méi)有對(duì)分類模型進(jìn)行優(yōu)化。針對(duì)協(xié)同表示算法分類模型需要優(yōu)化的問(wèn)題,本文提出了兩種基于聯(lián)合空間感知協(xié)同表示（joint spatial-aware collaborative representation,JSaCR）的高光譜圖像分類方法。針對(duì)高光譜圖像分類中以紋理信息作為分類特征存在的分類信息不全面的問(wèn)題。本文提出了基于紋理正則的聯(lián)合空間感知協(xié)同表示方法（texture regularized-based joint spatial-aware collaborat... 

【文章來(lái)源】：北方民族大學(xué)寧夏回族自治區(qū)

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與進(jìn)展
    1.2 高光譜圖像分類所面臨的問(wèn)題
    1.3 論文研究概述
第二章 高光譜遙感圖像分類算法
    2.1 高光譜圖像數(shù)據(jù)的構(gòu)成與特點(diǎn)
    2.2 高光譜圖像分類概念與原理
    2.3 高光譜圖像分類策略
    2.4 高光譜圖像分類技術(shù)流程
    2.5 高光譜圖像分類經(jīng)典算法
    2.6 協(xié)同表示算法概述
    2.7 本章小結(jié)
第三章 基于紋理正則的聯(lián)合空間感知協(xié)同表示分類算法
    3.1 背景介紹
    3.2 高光譜先驗(yàn)數(shù)據(jù)獲取
    3.3 基于紋理正則的聯(lián)合空間感知協(xié)同表示分類算法
    3.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于空間信息輔助判別規(guī)則的分類算法
    4.1 背景介紹
    4.2 基于空間信息輔助判別規(guī)則的分類算法
    4.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)介



本文編號(hào)：3031374