高光譜遙感技術(shù)是集成像與光譜探測(cè)為一體的光學(xué)遙感技術(shù),該技術(shù)通過(guò)光學(xué)系統(tǒng)接收地物反射并獲取地面目標(biāo)像元的光譜信息對(duì)地物目標(biāo)進(jìn)行識(shí)別。目前,針對(duì)地面物質(zhì)信息的高光譜遙感圖像分類(lèi)是一門(mén)綜合圖像處理與遙感成像技術(shù)的前沿科研課題。同時(shí),如何提升光譜類(lèi)似區(qū)域的識(shí)別能力以及處理效率一直是高光譜遙感圖像場(chǎng)景分類(lèi)的研究重點(diǎn)。因此,本文提出了兩種結(jié)合光譜和空間信息的場(chǎng)景分類(lèi)方法,并使用真實(shí)的高光譜遙感圖像數(shù)據(jù)驗(yàn)證了本文所提方法的有效性。本文主要的工作概括如下:（1）傳統(tǒng)的k-最近鄰域（k-Nearest Neighbor,k-NN）方法依賴(lài)于歐氏距離作為度量方式來(lái)預(yù)測(cè)測(cè)試樣本的標(biāo)簽。然而,每個(gè)測(cè)試樣本在進(jìn)行類(lèi)別判定時(shí),距離信息的權(quán)重分配往往會(huì)影響分類(lèi)精度的提升。因此,本文提出了一種加權(quán)最近鄰與稀疏表示融合的高光譜圖像分類(lèi)方法,該方法包括以下步驟:首先,對(duì)測(cè)試像元周?chē)徲虬创翱诖笮∵M(jìn)行聯(lián)合,形成測(cè)試像元的聯(lián)合區(qū)域并獲取像元間的歐式距離。其次,利用高斯加權(quán)函數(shù)對(duì)距離信息進(jìn)行權(quán)重分配。最后,融合稀疏表示的重構(gòu)殘差形成新的決策函數(shù)。實(shí)驗(yàn)結(jié)果表明,本文提出的方法有更高的分類(lèi)精度。（2）高光譜遙感地物樣本標(biāo)定的過(guò)程... 

【文章來(lái)源】：湖南理工學(xué)院湖南省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及安排
第2章 高光譜遙感圖像分類(lèi)基本理論
    2.1 分類(lèi)原理概述
        2.1.1 鄰域最小距離原理
        2.1.2 支持向量機(jī)原理
    2.2 分類(lèi)評(píng)價(jià)指標(biāo)
    2.3 本章小結(jié)
第3章 加權(quán)最近鄰與稀疏表示融合的高光譜圖像分類(lèi)方法
    3.1 相關(guān)理論方法
        3.1.1 稀疏表示算法
        3.1.2 聯(lián)合稀疏表示算法
        3.1.3 k-最近鄰分類(lèi)算法
    3.2 加權(quán)聯(lián)合歐氏距離分類(lèi)方法原理
        3.2.1 聯(lián)合最近鄰算法
        3.2.2 加權(quán)聯(lián)合最近鄰算法
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)集及評(píng)價(jià)指標(biāo)
        3.3.2 參數(shù)分析
        3.3.3 實(shí)驗(yàn)結(jié)果
        3.3.4 時(shí)間復(fù)雜度
        3.3.5 不同數(shù)量的訓(xùn)練樣本的對(duì)分類(lèi)性能影響
    3.4 本章小結(jié)
第4章 基于加權(quán)最近鄰的峰值密度高光譜圖像分類(lèi)方法
    4.1 相關(guān)理論方法
        4.1.1 峰值密度聚類(lèi)算法
        4.1.2 超像素分割
        4.1.3 歐式距離加權(quán)原理
    4.2 超像素加權(quán)密度聚類(lèi)檢測(cè)分類(lèi)方法
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)集選取
        4.3.2 參數(shù)分析
        4.3.3 超像素分割算法的影響
        4.3.4 提出方法的迭代次數(shù)對(duì)不確定樣本分類(lèi)的影響
        4.3.5 不同的不確定樣本檢測(cè)方法的性能對(duì)比
        4.3.6 訓(xùn)練樣本檢測(cè)前后使用其他分類(lèi)器的性能分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
致謝
攻讀碩士期間論文及科研情況
    1 論文發(fā)表
    2 發(fā)明專(zhuān)利授權(quán)
    3 參與科研項(xiàng)目
    4 獲獎(jiǎng)情況



本文編號(hào)：3528263