地物分類識(shí)別需求的不斷升級(jí),對(duì)遙感場(chǎng)景解譯提出了新要求:更高的空間二維解譯精度和遙感場(chǎng)景空間三維解譯。利用多源遙感數(shù)據(jù)和新型遙感技術(shù)是滿足不斷升級(jí)的需求的有效手段。多/高光譜成像和單波段激光雷達(dá)(Light Detection And Ranging,LiDAR)是探測(cè)遙感場(chǎng)景地物信息的兩種主要手段。多/高光譜圖像提供遙感場(chǎng)景空間二維信息和豐富光譜信息,但受成像原理限制,丟失了地物在空間垂直方向的分布信息。單波段LiDAR(以下簡(jiǎn)稱LiDAR)以主動(dòng)成像方式獲取遙感場(chǎng)景空間三維信息,與多/高光譜圖像信息互補(bǔ)。近年來,隨著立體光譜成像技術(shù)不斷發(fā)展,實(shí)現(xiàn)了對(duì)遙感場(chǎng)景空間三維和光譜維信息的一體化獲取。三波段LiDAR同時(shí)獲取遙感場(chǎng)景空間三維信息和三波段激光脈沖回波強(qiáng)度信息,為遙感場(chǎng)景三維解譯提供了數(shù)據(jù)基礎(chǔ)。多/高光譜圖像和LiDAR數(shù)據(jù)(或三波段LiDAR數(shù)據(jù))為遙感場(chǎng)景解譯提供更多判別信息的同時(shí),也帶來了關(guān)于地物特征提取與分類識(shí)別的新問題:如何從多/高光譜圖像和LiDAR數(shù)據(jù)提取地物圖譜-高程判別特征和設(shè)計(jì)分類模型、如何根據(jù)新型三波段LiDAR數(shù)據(jù)三維空間-強(qiáng)度一體化信息特點(diǎn)設(shè)計(jì)點(diǎn)云特征提...

【文章頁數(shù)】：150 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究目的和意義
        1.1.1 課題背景
        1.1.2 課題研究的目的和意義
    1.2 研究現(xiàn)狀及存在的問題
        1.2.1 圖譜-高程數(shù)據(jù)融合特征提取研究現(xiàn)狀
        1.2.2 圖譜-高程數(shù)據(jù)聯(lián)合分類研究現(xiàn)狀
        1.2.3 多波段LiDAR數(shù)據(jù)分類研究現(xiàn)狀
        1.2.4 當(dāng)前研究存在的問題
    1.3 實(shí)驗(yàn)數(shù)據(jù)與評(píng)價(jià)指標(biāo)
        1.3.1 實(shí)驗(yàn)數(shù)據(jù)
        1.3.2 評(píng)價(jià)指標(biāo)
    1.4 論文主要研究?jī)?nèi)容與結(jié)構(gòu)安排
        1.4.1 論文各章內(nèi)容邏輯關(guān)系
        1.4.2 論文主要內(nèi)容與組織結(jié)構(gòu)
第2章 多/高光譜圖像和LiDAR數(shù)據(jù)判別式圖融合特征提取
    2.1 引言
    2.2 圖基本理論
        2.2.1 有向圖
        2.2.2 無向圖
        2.2.3 圖的表示
    2.3 判別式圖融合特征提取
        2.3.1 異源多屬性特征提取
        2.3.2 多屬性特征圖構(gòu)造
        2.3.3 判別式圖融合
    2.4 實(shí)驗(yàn)結(jié)果與分析
        2.4.1 對(duì)比方法與參數(shù)分析
        2.4.2 異源多屬性特征融合性能分析
    2.5 本章小結(jié)
第3章 多/高光譜圖像和LiDAR數(shù)據(jù)多尺度多核分類
    3.1 引言
    3.2 特征-尺度雙層判別多核學(xué)習(xí)
        3.2.1 多核學(xué)習(xí)理論
        3.2.2 特征-尺度雙層多核學(xué)習(xí)框架
        3.2.3 判別多核學(xué)習(xí)
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 實(shí)驗(yàn)設(shè)置
        3.3.2 特征-尺度雙層判別多核學(xué)習(xí)分類性能分析
        3.3.3 判別多核學(xué)習(xí)特征選擇與分類性能分析
        3.3.4 計(jì)算復(fù)雜度分析
    3.4 本章小結(jié)
第4章 三波段LiDAR數(shù)據(jù)幾何結(jié)構(gòu)-強(qiáng)度特征提取
    4.1 引言
    4.2 多波段點(diǎn)云張量模型
        4.2.1 張量代數(shù)
        4.2.2 多波段點(diǎn)云數(shù)據(jù)張量表示
    4.3 點(diǎn)云幾何結(jié)構(gòu)-強(qiáng)度特征提取
        4.3.1 類內(nèi)特征分布集中
        4.3.2 類間判別信息最大化
        4.3.3 目標(biāo)函數(shù)與求解
        4.3.4 算法復(fù)雜度分析
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)設(shè)置
        4.4.2 參數(shù)分析
        4.4.3 幾何結(jié)構(gòu)-強(qiáng)度特征地物識(shí)別能力分析
    4.5 本章小結(jié)
第5章 三波段LiDAR點(diǎn)云多屬性平滑圖卷積網(wǎng)絡(luò)分類
    5.1 引言
    5.2 圖卷積網(wǎng)絡(luò)
        5.2.1 空間圖卷積
        5.2.2 譜圖卷積
    5.3 多屬性平滑圖卷積網(wǎng)絡(luò)
        5.3.1 三波段點(diǎn)云分割
        5.3.2 三波段點(diǎn)云圖構(gòu)建
        5.3.3 多尺度平滑圖卷積
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 實(shí)驗(yàn)設(shè)置
        5.4.2 參數(shù)影響
        5.4.3 多屬性平滑圖卷積網(wǎng)絡(luò)分類有效性驗(yàn)證
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士期間所發(fā)表的論文及其他成果
致謝
個(gè)人簡(jiǎn)歷



本文編號(hào)：3769404