近些年來(lái),在遙感影像研究領(lǐng)域,高光譜遙感影像以其獨(dú)特的優(yōu)勢(shì)引起了人們的極大關(guān)注,它能夠在擁有較高的光譜分辨率的同時(shí)也能保持較高的空間分辨率,其“圖譜合一”的性質(zhì),能夠更好的反應(yīng)圖像的自然屬性,從而為地物的識(shí)別提供豐富的信息。因此,人們?yōu)榱烁玫乩酶吖庾V遙感數(shù)據(jù)獲得有用的地物信息,開始關(guān)注于高光譜數(shù)據(jù)分類問(wèn)題。分類是一個(gè)很重要的基礎(chǔ)性工作,高精度的遙感影像分類對(duì)滿足社會(huì)經(jīng)濟(jì)等發(fā)展具有重要的意義,雖然已經(jīng)出現(xiàn)了很多的高光譜遙感影像分類方法,但是由于高光譜數(shù)據(jù)波段間高相關(guān)性、非線性以及高維的特征使得現(xiàn)有的很多分類方法并不適用于高光譜數(shù)據(jù),這就導(dǎo)致現(xiàn)有的很多高光譜遙感影像的分類方法的精度以及效果不佳,難以滿足實(shí)際應(yīng)用的需求。鑒于此,本文重點(diǎn)對(duì)高光譜遙感圖像分類的三種比較常見的分類方法進(jìn)行研究和實(shí)現(xiàn),包括傳統(tǒng)的基于統(tǒng)計(jì)模式的分類方法、經(jīng)典的支持向量機(jī)（Support Vector Machines,SVM）的分類方法以及當(dāng)前熱點(diǎn)研究的基于稀疏表達(dá)（Sparse Representation Classification,SRC）的分類方法,通過(guò)這幾種常用的分類方法在兩個(gè)經(jīng)典的高光譜遙感集上的分... 

【文章來(lái)源】：中國(guó)地質(zhì)大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

高光譜遙感圖像“譜像合一”示意圖（元呈明，2016）

K-means 算法在 Indian pines 數(shù)據(jù)集上，設(shè)置 K=16，在 PaviaU 數(shù)據(jù)集上，設(shè)置 K=9，然過(guò)計(jì)算機(jī)隨機(jī)選取劃分 K 個(gè)區(qū)域，計(jì)算重心得到初始聚類中心圖，然后不代得到分類結(jié)果。圖（2-3）與圖（2-4）分別為 K-means 算法在 Indian 數(shù)據(jù)集以及 PaviaU 數(shù)據(jù)集上的分類結(jié)果圖，表 2-3 為這兩個(gè)算法的分類，取 20 次試驗(yàn)得到的中值。

圖（2-3）與圖（2-4）分別為 K-means 算法在 India以及 PaviaU 數(shù)據(jù)集上的分類結(jié)果圖，表 2-3 為這兩個(gè)算法的分 次試驗(yàn)得到的中值。a） b）圖 2-3 Indain Pines 分類結(jié)果圖：a）：地面標(biāo)記圖；b）：k-means

【參考文獻(xiàn)】：
期刊論文
[1]基于鄰域相似度的聯(lián)合稀疏表示的高光譜圖像分類算法[J]. 李佳遜,董安國(guó),沈亞棟,張蓓.  激光與光電子學(xué)進(jìn)展. 2017(12)
[2]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)
[3]基于K均值聚類的高光譜遙感影像分類研究[J]. 趙潔.  地理空間信息. 2016(03)
[4]基于多源數(shù)據(jù)和模糊k-均值方法的農(nóng)田土壤管理分區(qū)研究[J]. 郭燕,田延峰,吳宏海,史舟.  土壤學(xué)報(bào). 2013(03)
[5]基于最優(yōu)觀測(cè)的語(yǔ)音信號(hào)壓縮感知[J]. 徐倩,季云云.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(06)
[6]遙感影像分類方法研究進(jìn)展[J]. 賈坤,李強(qiáng)子,田亦陳,吳炳方.  光譜學(xué)與光譜分析. 2011(10)
[7]利用流形學(xué)習(xí)進(jìn)行高光譜遙感影像的降維與特征提取[J]. 杜培軍,王小美,譚琨,夏俊士.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2011(02)
[8]利用流形技術(shù)的遙感高光譜圖像邊緣檢測(cè)[J]. 劉行波,武小軍,周源.  城市勘測(cè). 2010(S1)
[9]基于光譜角度匹配方法提取黑土邊界[J]. 張新樂(lè),張樹文,李穎,劉煥軍.  光譜學(xué)與光譜分析. 2009(04)
[10]基于支持向量機(jī)的高光譜遙感圖像分類[J]. 譚琨,杜培軍.  紅外與毫米波學(xué)報(bào). 2008(02)

博士論文
[1]基于多核學(xué)習(xí)的高光譜遙感影像分類方法研究[D]. 亓呈明.中國(guó)地質(zhì)大學(xué)(北京) 2016
[2]高光譜遙感圖像分類技術(shù)研究[D]. 高恒振.國(guó)防科學(xué)技術(shù)大學(xué) 2011
[3]基于支持向量機(jī)的高光譜遙感影像分類研究[D]. 譚琨.中國(guó)礦業(yè)大學(xué) 2010
[4]核機(jī)器學(xué)習(xí)方法研究[D]. 周偉達(dá).西安電子科技大學(xué) 2003

碩士論文
[1]高光譜圖像分類及其子問(wèn)題研究[D]. 林健哲.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所) 2016
[2]基于高光譜遙感影像的扎龍濕地植被分類研究[D]. 朱子先.哈爾濱師范大學(xué) 2012
[3]基于案例推理的高光譜圖像分類研究[D]. 唐雪飛.哈爾濱工業(yè)大學(xué) 2010
[4]基于神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類研究[D]. 劉凡.哈爾濱工程大學(xué) 2009
[5]基于核方法的高光譜影像分類與特征提取[D]. 楊國(guó)鵬.解放軍信息工程大學(xué) 2007
[6]基于支持向量機(jī)的高光譜遙感圖像分類[D]. 郭春燕.哈爾濱工程大學(xué) 2007



本文編號(hào)：3107678