高光譜遙感圖像以其納米級的光譜分辨率及高達幾百個波段的光譜信息,揭示了許多傳統(tǒng)全色探測不可觀測到的地物目標特性,具備了更強的區(qū)分地物的能力,被廣泛應用于遙感領域。然而,高光譜圖像蘊含的豐富信息也導致其數(shù)據(jù)具有典型的高維度非線性特性,致使對其進行精確分類變得更加困難,這也使得基于高光譜圖像的分類技術成為高光譜遙感處理領域的研究熱點。目前廣泛采用的核學習及距離測度學習方法雖然對于解決上述問題具有明顯的優(yōu)勢并得到學界廣泛認可,但在運算效率以及魯棒性等方面仍然存在不足。因此本文以核學習及距離測度學習理論作為基礎,圍繞當前算法存在的效率和泛化能力差的問題展開研究,從而在現(xiàn)有基礎上進一步提高高光譜數(shù)據(jù)分類精度。當前常用的核學習分類算法大多采用高斯核函數(shù)并且利用歐氏距離作為相似性衡量標準,但歐氏距離易受量綱影響的缺陷導致其對諸如高光譜圖像的典型高維非線性數(shù)據(jù)區(qū)分的能力有限。雖然使用馬氏距離替代歐氏距離可以克服上述缺陷,但當前基于馬氏距離測度學習的核學習方法大多基于處理高光譜分類問題能力有限的高斯核進行改造,其分類性能的主要瓶頸在于無法準確選取適宜的高斯核函數(shù)的參數(shù),因此這種算法最終體現(xiàn)的性能也存在明... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：149 頁

【學位級別】：博士

【部分圖文】：

馬氏距離測度的學習目的[117]Fig.1-4ThetargetoflearningaMahalanobisdistancemetric.

【參考文獻】：
期刊論文
[1]基于譜域-空域組合核函數(shù)的高光譜圖像分類技術研究[J]. 高恒振,萬建偉,王力寶,徐湛.  信號處理. 2011(05)
[2]基于再生核Hilbert空間小波核函數(shù)支持向量機的高光譜遙感影像分類[J]. 譚琨,杜培軍.  測繪學報. 2011(02)
[3]Combined multi-kernel support vector machine and wavelet analysis for hyperspectral remote sensing image classification[J]. 譚琨,杜培軍.  Chinese Optics Letters. 2011(01)
[4]多核學習方法[J]. 汪洪橋,孫富春,蔡艷寧,陳寧,丁林閣.  自動化學報. 2010(08)
[5]基于支持向量機的高光譜遙感圖像分類[J]. 譚琨,杜培軍.  紅外與毫米波學報. 2008(02)

博士論文
[1]基于多核學習的高光譜遙感影像分類方法研究[D]. 亓呈明.中國地質大學(北京) 2016
[2]基于馬氏距離的度量學習算法研究及應用[D]. 梅江元.哈爾濱工業(yè)大學 2016



本文編號：3525921