發(fā)布時間：2022-01-09 10:26

　　隨著成像光譜儀和遙感技術(shù)的快速發(fā)展,高光譜遙感圖像的應(yīng)用越來越廣泛。但由于其光譜分辨率高,波段數(shù)量眾多等特點,給高光譜圖像處理帶來了困難,如圖像分類會產(chǎn)生維度災(zāi)難、信息冗余度高、運行時間長等。因此,高光譜圖像數(shù)據(jù)降維成為了高光譜遙感數(shù)據(jù)處理的重要內(nèi)容之一。本文對高光譜圖像降維技術(shù)進行了研究。主要工作如下:（1）深入分析了高光譜遙感數(shù)據(jù)的表達方式與特點,對比特征提取和波段選擇兩種高光譜圖像降維方法。從信息量、相關(guān)性、可分性三個方面,分析了降維方法的評價方法,本文實驗主要采用從可分性方面考慮的分類精度評價法來評價降維方法的有效性。（2）著重研究了基于波段選擇的降維方法,介紹了六種常用的波段選擇算法,包括基于信息量的ABS、MI算法,基于排序的ID、FSD算法,基于聚類的WaLuDi、K-means算法,并利用MATLAB編程實現(xiàn)。通過實驗比較,表明WaLuDi、K-means算法性能最優(yōu),分類精度最高,相關(guān)性較弱,但包含的信息量較小;ABS算法性能較差,分類精度最低,相關(guān)性較強,但包含的信息量最大。（3）在總結(jié)常用波段選擇法的基礎(chǔ)上,提出了一種基于聚類和信息量結(jié)合的方法。首先,采用K-me... 

【文章來源】：東華理工大學(xué)江西省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究的背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 高光譜數(shù)據(jù)降維的研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
    1.4 結(jié)構(gòu)安排及技術(shù)路線
        1.4.1 結(jié)構(gòu)安排
        1.4.2 技術(shù)路線
2 高光譜圖像降維技術(shù)基礎(chǔ)
    2.1 高光譜圖像數(shù)據(jù)簡介
        2.1.1 高光譜圖像的基本概念
        2.1.2 高光譜圖像數(shù)據(jù)的表達方式
        2.1.3 高光譜圖像數(shù)據(jù)的特點
    2.2 高光譜圖像降維的必要性
    2.3 高光譜圖像降維技術(shù)簡介
        2.3.1 特征提取法
        2.3.2 波段選擇法
    2.4 高光譜圖像降維方法評價
        2.4.1 基于可分性的評價方法
        2.4.2 基于信息量的評價方法
        2.4.3 基于相關(guān)性的評價方法
3 常用的波段選擇方法
    3.1 基于信息量的波段選擇法
        3.1.1 最佳指數(shù)與自適應(yīng)波段選擇法
        3.1.2 基于最大信息量的波段選擇法
    3.2 基于排序的波段選擇法
        3.2.1 信息離散度法
        3.2.2 第一光譜導(dǎo)數(shù)
    3.3 基于聚類的波段選擇法
        3.3.1 基于層次聚類的方法
        3.3.2 K-means聚類的方法
    3.4 常用波段選擇方法比較
        3.4.1 實驗數(shù)據(jù)介紹
        3.4.2 實驗及結(jié)果分析
4 高光譜圖像波段選擇法改進
    4.1 改進算法思路
    4.2 相似性度量方法
        4.2.1 基于距離的光譜相似性度量方法
        4.2.2 基于統(tǒng)計特性的光譜相似性度量方法
        4.2.3 基于信息測度的光譜相似性度量方法
        4.2.4 基于投影的光譜相似性度量方法
    4.3 改進的自適應(yīng)波段選擇法
    4.4 實驗及結(jié)果分析
5 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻
致謝
攻讀碩士學(xué)位期間發(fā)表論文


【參考文獻】：
期刊論文
[1]光譜相似性度量方法研究進展[J]. 趙春暉,田明華,李佳偉.  哈爾濱工程大學(xué)學(xué)報. 2017(08)
[2]基于相似性的高光譜海冰圖像的波段選擇研究[J]. 張龍,韓彥嶺,張云,袁國良.  電子設(shè)計工程. 2015(21)
[3]改進的OIF和SVM結(jié)合的高光譜遙感影像分類[J]. 張磊,邵振峰.  測繪科學(xué). 2014(11)
[4]基于圖像歐氏距離的高光譜圖像流形降維算法[J]. 陳宏達,普晗曄,王斌,張立明.  紅外與毫米波學(xué)報. 2013(05)
[5]基于核最小噪聲分離變換的高光譜遙感影像特征提取研究[J]. 林娜,楊武年.  遙感技術(shù)與應(yīng)用. 2013(02)
[6]基于波段聚類的高光譜圖像波段選擇[J]. 葛亮,王斌,張立明.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2012(11)
[7]基于最大信息量的高光譜遙感圖像無監(jiān)督波段選擇方法[J]. 劉雪松,葛亮,王斌,張立明.  紅外與毫米波學(xué)報. 2012(02)
[8]一種星載高光譜圖像特征提取算法的實現(xiàn)[J]. 畢文敬,張善從.  計算機應(yīng)用研究. 2011(10)
[9]支持向量機在遙感數(shù)據(jù)分類中的應(yīng)用新進展[J]. 張睿,馬建文.  地球科學(xué)進展. 2009(05)
[10]高光譜遙感技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀[J]. 楊國鵬,余旭初,馮伍法,劉偉,陳偉.  測繪通報. 2008(10)

博士論文
[1]多核學(xué)習(xí)算法與應(yīng)用研究[D]. 史亞.西安電子科技大學(xué) 2015
[2]高光譜數(shù)據(jù)降維算法研究[D]. 高陽.中國礦業(yè)大學(xué) 2013
[3]高光譜遙感圖像分類技術(shù)研究[D]. 高恒振.國防科學(xué)技術(shù)大學(xué) 2011

碩士論文
[1]基于特征度量的高光譜遙感影像波段選擇方法研究[D]. 譚雨蕾.吉林大學(xué) 2017
[2]高光譜影像非監(jiān)督波段選擇技術(shù)研究[D]. 夏冰.蘇州大學(xué) 2015
[3]基于互信息量的超光譜數(shù)據(jù)波段選擇降維算法研究[D]. 張紹杰.華中科技大學(xué) 2015
[4]K-means聚類方法的改進及其應(yīng)用[D]. 李薈嬈.東北農(nóng)業(yè)大學(xué) 2014
[5]高光譜遙感圖像的降維與分類研究[D]. 陳宏達.復(fù)旦大學(xué) 2013
[6]高光譜圖像波段選擇方法的研究[D]. 魏芳潔.哈爾濱工程大學(xué) 2013
[7]高光譜遙感影像降維及分類方法研究[D]. 李靜.中南大學(xué) 2012
[8]基于克隆選擇算法的高光譜圖像波段選擇[D]. 楊三美.華中科技大學(xué) 2011
[9]高光譜遙感影像地面?zhèn)窝b目標檢測方法的研究[D]. 王同招.浙江大學(xué) 2006
[10]高光譜遙感數(shù)據(jù)最佳波段選擇方法研究[D]. 楊金紅.南京信息工程大學(xué) 2005



本文編號：3578533