高光譜遙感技術(shù)是上世紀(jì)對(duì)地觀測(cè)領(lǐng)域的重大科學(xué)進(jìn)展,首次將遙感影像的光譜分辨率提高到納米級(jí),為區(qū)分不同類型地物提供了更加豐富的光譜信息。然而,由于傳感器空間與光譜分辨率的互相制約,以及自然界地物分布復(fù)雜多樣,高光譜遙感影像的自動(dòng)解譯仍面臨諸多困難:（1）精細(xì)光譜存在強(qiáng)相關(guān)性和大量信息冗余,使得地物信息表達(dá)與特征提取困難;（2）高光譜影像中普遍存在的混合像元問題使得同物異譜、同譜異物的現(xiàn)象普遍存在,分類精度難以滿足實(shí)際應(yīng)用需求;（3）類內(nèi)、類間統(tǒng)計(jì)特征復(fù)雜、真實(shí)樣本缺乏造成地物分類的精度與智能化程度不足。因此,高光譜遙感影像的光譜特征提取\選擇與智能化地物分類已成為遙感領(lǐng)域亟需解決的關(guān)鍵問題。本文在“973”計(jì)劃（非結(jié)構(gòu)化環(huán)境的協(xié)同感知與高效目標(biāo)相關(guān)信息獲取,2013CB329402）,國(guó)家自然科學(xué)基金重大研發(fā)計(jì)劃（基于稀疏特征的遙感信息高效感知與壓縮,91438103）等項(xiàng)目的支持下,借鑒生物認(rèn)知過程中稀疏感知與認(rèn)知機(jī)理,借助稀疏表征學(xué)習(xí)、結(jié)構(gòu)學(xué)習(xí)以及半監(jiān)督學(xué)習(xí)等理論,對(duì)高光譜遙感影像光譜約簡(jiǎn)與分類方法進(jìn)行了研究。主要研究?jī)?nèi)容及創(chuàng)新點(diǎn)如下:1)提出了基于光譜成對(duì)相似性的稀疏波段選擇方法。... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省211工程院校教育部直屬院校

【文章頁(yè)數(shù)】：134 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 選題背景及意義
    1.2 國(guó)內(nèi)外相關(guān)研究進(jìn)展
        1.2.1 高光譜數(shù)據(jù)降維研究進(jìn)展
        1.2.2 高光譜數(shù)據(jù)分類研究進(jìn)展
        1.2.3 稀疏結(jié)構(gòu)學(xué)習(xí)研究進(jìn)展
        1.2.4 研究?jī)?nèi)容以及結(jié)構(gòu)安排
    1.3 本章小結(jié)
第二章 正則化稀疏波段選擇
    2.1 研究動(dòng)機(jī)與思路
    2.2 基于特征成對(duì)相似性的正則化稀疏表征
        2.2.1 基于成對(duì)相似性的稀疏表征選擇
        2.2.2 基于成對(duì)不相似性的正則化稀疏波段選擇
    2.3 實(shí)驗(yàn)結(jié)果與分析
        2.3.1 實(shí)驗(yàn)數(shù)據(jù)集及環(huán)境設(shè)置
        2.3.2 實(shí)驗(yàn)結(jié)果與分析
    2.4 本章小結(jié)
第三章 基于空-譜壓縮張量編碼的稀疏特征學(xué)習(xí)
    3.1 研究動(dòng)機(jī)與思路
        3.1.1 張量基礎(chǔ)知識(shí)
        3.1.2 基于壓縮感知的維數(shù)約簡(jiǎn)
    3.2 基于張量多觀測(cè)向量?jī)?yōu)化的空-譜核稀疏編碼
        3.2.1 基于張量稀疏編碼的稀疏波段選擇
        3.2.2 核張量稀疏特征選擇
        3.2.3 空-譜核張量稀疏特征學(xué)習(xí)
        3.2.4 張量多維觀測(cè)向量?jī)?yōu)化
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)集簡(jiǎn)介
        3.3.2 實(shí)驗(yàn)結(jié)果與參數(shù)分析
    3.4 本章小結(jié)
第四章 結(jié)構(gòu)稀疏張量編碼的高光譜數(shù)據(jù)分類
    4.1 研究動(dòng)機(jī)與思路
    4.2 基于張量多觀測(cè)向量?jī)?yōu)化的空-譜核稀疏編碼
        4.2.1 層次化空間相似性傳播的超像素分割
        4.2.2 超像素張量稀疏編碼
        4.2.3 綜合像元-超像素級(jí)集成策略的高光譜分類
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.3.2 實(shí)驗(yàn)結(jié)果與參數(shù)分析
    4.4 本章小結(jié)
第五章 稀疏結(jié)構(gòu)正則的邊界最大化半監(jiān)督子空間學(xué)習(xí)
    5.1 研究動(dòng)機(jī)與思路
        5.1.1 近鄰邊界最大化判別子空間分析
        5.1.2 非負(fù)低秩子空間表示
    5.2 稀疏結(jié)構(gòu)正則的空譜邊界最大化半監(jiān)督子空間學(xué)習(xí)
        5.2.1 空-譜邊界定義
        5.2.2 稀疏結(jié)構(gòu)正則的空-譜近鄰邊界最大化子空間學(xué)習(xí)
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)集簡(jiǎn)介
        5.3.2 實(shí)驗(yàn)參數(shù)設(shè)置及參數(shù)分析
    5.4 本章小結(jié)
第六章 基于雙幾何低秩結(jié)構(gòu)學(xué)習(xí)的半監(jiān)督高光圖像分類
    6.1 研究背景及相關(guān)工作
    6.2 低秩幾何結(jié)構(gòu)學(xué)習(xí)
        6.2.1 全局光譜結(jié)構(gòu)學(xué)習(xí)
        6.2.2 局部空間結(jié)構(gòu)指導(dǎo)下的幾何相似性學(xué)習(xí)
        6.2.3 幾何結(jié)構(gòu)正則的Laplician低秩表示
    6.3 GLapLRR正則的半監(jiān)督支撐矢量機(jī)
    6.4 實(shí)驗(yàn)結(jié)果與分析
        6.4.1 實(shí)驗(yàn)數(shù)據(jù)集與環(huán)境設(shè)置
        6.4.2 實(shí)驗(yàn)結(jié)果與參數(shù)分析中
        6.4.3 算法復(fù)雜度分析
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 論文工作總結(jié)
    7.2 進(jìn)一步研究建議
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)高光譜遙感的前沿進(jìn)展[J]. 童慶禧,張兵,張立福.  遙感學(xué)報(bào). 2016(05)
[2]40年的跨越—中國(guó)航天遙感蓬勃發(fā)展中的“三大戰(zhàn)役”[J]. 顧行發(fā),余濤,田國(guó)良,周上益,魏成階,李娟,余琦,劉東暉,衛(wèi)征,孟慶巖,徐輝,郭紅,周翔,王春梅,臧文乾,黃祥志,高海亮,鄭逢杰,劉苗,王棟,趙亞萌,魏香琴,孫源,李斌,廖戩,任芯雨.  遙感學(xué)報(bào). 2016(05)
[3]跨時(shí)空觀下的遙感應(yīng)用新視野[J]. 路京選,宋文龍,曲偉,付俊娥.  遙感學(xué)報(bào). 2015(06)
[4]遙感影像的張量表達(dá)與流形學(xué)習(xí)方法研究[J]. 張樂飛.  測(cè)繪學(xué)報(bào). 2013(05)
[5]高光譜遙感的發(fā)展與應(yīng)用[J]. 張達(dá),鄭玉權(quán).  光學(xué)與光電技術(shù). 2013(03)
[6]張量分類算法的遙感影像目標(biāo)探測(cè)[J]. 張樂飛,張良培,陶大程.  遙感學(xué)報(bào). 2010(03)
[7]混合像元分解模型綜述[J]. 呂長(zhǎng)春,王忠武,錢少猛.  遙感信息. 2003(03)



本文編號(hào)：3637457