高光譜圖像分類是指通過分析地物的光譜特性,并根據(jù)某種規(guī)則來確定每個(gè)像素的所屬類別,從而將待測地物劃分為不同類型的區(qū)域,是人們認(rèn)識和發(fā)現(xiàn)地物空間分布規(guī)律的一個(gè)重要途徑。在高光譜圖像分類中,常常需要足夠多的標(biāo)記樣本來訓(xùn)練可靠的分類模型。然而,對樣本進(jìn)行標(biāo)注是一件耗時(shí)、耗力的工作。另一方面,我們可以很容易的獲得大量的未標(biāo)記樣本,因而,能夠利用少量標(biāo)記數(shù)據(jù)和大量未標(biāo)記數(shù)據(jù)來學(xué)習(xí)的半監(jiān)督分類算法成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。其中,由于基于圖的方法具有優(yōu)雅的數(shù)學(xué)模型以及很好的解釋性,受到了廣泛的關(guān)注�；趫D的高光譜圖像半監(jiān)督分類任務(wù)的關(guān)鍵在于,在高光譜圖像數(shù)據(jù)上構(gòu)造一個(gè)能真實(shí)反映樣本間相似性關(guān)系的圖。對于高光譜圖像這樣的高維度數(shù)據(jù),由于數(shù)據(jù)的高維度性和非線性性使得傳統(tǒng)的距離度量不能很好的刻畫它們之間的相似性關(guān)系,從而不能構(gòu)造一個(gè)良好的圖結(jié)構(gòu)。針對該問題,本文重點(diǎn)研究在稀疏表達(dá)模型框架下,如何學(xué)習(xí)得到一個(gè)有信息和判別性的圖結(jié)構(gòu),使其充分挖掘高光譜數(shù)據(jù)的光譜和空間信息,以真實(shí)反映高光譜數(shù)據(jù)的內(nèi)在結(jié)構(gòu),并應(yīng)用于高光譜圖像半監(jiān)督分類任務(wù)中。首先,本文利用少量的標(biāo)記信息來預(yù)估數(shù)據(jù)的概率類別結(jié)構(gòu),從而獲得每個(gè)樣... 

【文章頁數(shù)】：125 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 高光譜圖像半監(jiān)督分類的難點(diǎn)以及現(xiàn)存的問題
    1.4 研究內(nèi)容與創(chuàng)新點(diǎn)
    1.5 論文的章節(jié)安排
2 稀疏表達(dá)理論
    2.1 引言
    2.2 稀疏表達(dá)理論
    2.3 稀疏表達(dá)在高光譜圖像處理中的應(yīng)用
    2.4 本章小結(jié)
3 基于PCSSR圖的高光譜圖像半監(jiān)督分類方法
    3.1 引言
    3.2 概率類別結(jié)構(gòu)正則的稀疏表達(dá)(PCSSR)模型
    3.3 基于PCSSR圖的高光譜圖像半監(jiān)督分類方法
    3.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
4 基于SCSSR圖的高光譜圖像半監(jiān)督分類方法
    4.1 引言
    4.2 空域和類別結(jié)構(gòu)正則的稀疏表達(dá)(SCSSR)模型
    4.3 基于SCSSR圖的高光譜圖像半監(jiān)督分類方法
    4.4 實(shí)驗(yàn)結(jié)果與討論
    4.5 本章小結(jié)
5 基于RSD圖的高光譜圖像半監(jiān)督分類方法
    5.1 引言
    5.2 基于表示空間的判別性(RSD)圖模型
    5.3 基于RSD圖的高光譜圖像半監(jiān)督分類方法
    5.4 實(shí)驗(yàn)結(jié)果與討論
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 主要?jiǎng)?chuàng)新點(diǎn)
    6.3 研究展望
致謝
參考文獻(xiàn)
附錄1 攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文
附錄2 攻讀博士學(xué)位期間參與申請的專利
附錄3 公開發(fā)表的學(xué)術(shù)論文與博士學(xué)位論文的關(guān)系
附錄4 攻讀博士學(xué)位期間參與的科研課題


【參考文獻(xiàn)】：
期刊論文
[1]高光譜圖像稀疏信息處理綜述與展望[J]. 張良培,李家藝.  遙感學(xué)報(bào). 2016(05)
[2]基于光譜特征和紋理特征協(xié)同學(xué)習(xí)的高光譜圖像數(shù)據(jù)分類[J]. 李吉明,賈森,彭艷斌.  光電工程. 2012(11)
[3]基于改進(jìn)的最小二乘支持向量機(jī)的高光譜遙感圖像分類[J]. 趙春暉,喬蕾.  應(yīng)用科技. 2008(01)
[4]高斯最大似然分類在高光譜分類中的應(yīng)用研究[J]. 陳進(jìn),王潤生.  計(jì)算機(jī)應(yīng)用. 2006(08)

博士論文
[1]空譜協(xié)作的高光譜圖像分類方法研究[D]. 郝思媛.哈爾濱工程大學(xué) 2015
[2]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
[3]基于流形學(xué)習(xí)算法的高光譜圖像分類和異常檢測[D]. 馬麗.華中科技大學(xué) 2010
[4]高光譜圖像分類方法研究[D]. 陳進(jìn).國防科學(xué)技術(shù)大學(xué) 2010



本文編號：3679401