隨著傳感器技術(shù)的不斷進(jìn)步和計(jì)算機(jī)技術(shù)的廣泛應(yīng)用,傳統(tǒng)單一類型的遙感數(shù)據(jù)已無法滿足人們?nèi)找嬖鲩L的應(yīng)用需求,因此,多源遙感圖像的綜合利用成為了國內(nèi)外學(xué)者的研究重點(diǎn)。由于不同譜段范圍或不同分辨率的遙感圖像反映了地物不同方面的屬性或特征,因而充分利用多源遙感圖像之間的差異性和互補(bǔ)性,能最大限度地發(fā)揮多源遙感圖像的優(yōu)勢。高光譜成像作為多源遙感圖像中最為重要的技術(shù)手段之一,憑借其精細(xì)的光譜分辨率和“圖譜合一”的特性,在地物分類和目標(biāo)檢測等方面展現(xiàn)了獨(dú)特的優(yōu)勢。但是,高光譜圖像在空間分辨率方面的不足,及其普遍存在的“同譜異物”和“同物異譜”等問題使其在很多情況下不能很好地解決高精度的分類問題。因此,論文以高光譜圖像為核心,以高分辨率全色圖像、多光譜、高光譜及紅外高光譜等多源遙感圖像的協(xié)同分類為主旨,從不同角度分析和探討了高光譜圖像在地物分類等實(shí)際應(yīng)用中所面臨的主要問題,對(duì)基于高光譜的多源遙感圖像的協(xié)同分類進(jìn)行了深入的研究。論文工作對(duì)提高高光譜圖像數(shù)據(jù)的利用與信息獲取能力及其在遙感領(lǐng)域的推廣應(yīng)用等,具有重要的理論意義和研究價(jià)值。論文具體研究內(nèi)容包含以下幾個(gè)部分。首先,針對(duì)高光譜圖像空間分辨率的不足,論...

【文章頁數(shù)】：162 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于像素層融合的多源圖像協(xié)同處理研究現(xiàn)狀
        1.2.2 紅外高光譜和可見光圖像協(xié)同處理研究現(xiàn)狀
        1.2.3 多源圖像協(xié)同分類研究現(xiàn)狀
        1.2.4 集成學(xué)習(xí)研究現(xiàn)狀
        1.2.5 研究現(xiàn)狀簡析
    1.3 本文的主要研究內(nèi)容及結(jié)構(gòu)安排
第2章 基于像素層融合的高光譜圖像分辨率提升與分類
    2.1 引言
    2.2 基于多層帶間結(jié)構(gòu)模型的多光譜圖像分辨率提升方法
        2.2.1 非子采樣輪廓小波變換
        2.2.2 基于多層帶間結(jié)構(gòu)模型的圖像融合方法
    2.3 基于光譜調(diào)制的高光譜圖像分辨率提升方法
        2.3.1 對(duì)偶非負(fù)矩陣分解方法
        2.3.2 基于光譜調(diào)制的圖像融合方法
    2.4 空間分辨率提升后的高光譜圖像分類
    2.5 實(shí)驗(yàn)結(jié)果及分析
        2.5.1 實(shí)驗(yàn)數(shù)據(jù)
        2.5.2 多光譜圖像分辨率提升實(shí)驗(yàn)結(jié)果
        2.5.3 高光譜圖像分辨率提升實(shí)驗(yàn)結(jié)果
        2.5.4 分辨率提升后的高光譜圖像分類實(shí)驗(yàn)結(jié)果
    2.6 本章小結(jié)
第3章 基于集成學(xué)習(xí)的高光譜與全色圖像協(xié)同分類
    3.1 引言
    3.2 維數(shù)災(zāi)難問題
    3.3 高光譜和全色圖像特征提取
        3.3.1 光譜特征提取
        3.3.2 基于多尺度分割的面向?qū)ο筇卣魈崛?br>    3.4 基于半監(jiān)督旋轉(zhuǎn)森林方法的協(xié)同分類
        3.4.1 旋轉(zhuǎn)森林
        3.4.2 半監(jiān)督特征提取
        3.4.3 半監(jiān)督旋轉(zhuǎn)森林
    3.5 實(shí)驗(yàn)結(jié)果及分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)
        3.5.2 半監(jiān)督旋轉(zhuǎn)森林分類算法結(jié)果
        3.5.3 高光譜和全色圖像協(xié)同分類結(jié)果
        3.5.4 半監(jiān)督旋轉(zhuǎn)森林參數(shù)分析
    3.6 本章小結(jié)
第4章 基于半監(jiān)督自學(xué)習(xí)的高光譜與全色圖像小樣本協(xié)同分類
    4.1 引言
    4.2 小樣本問題下的主動(dòng)學(xué)習(xí)和半監(jiān)督學(xué)習(xí)方法
        4.2.1 主動(dòng)學(xué)習(xí)方法
        4.2.2 半監(jiān)督學(xué)習(xí)方法
        4.2.3 主動(dòng)學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的分析
    4.3 基于半監(jiān)督自學(xué)習(xí)的高光譜和全色圖像協(xié)同分類方法
        4.3.1 基于半監(jiān)督自學(xué)習(xí)的協(xié)同分類方法
        4.3.2 樣本多樣性優(yōu)化
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 基于自學(xué)習(xí)的協(xié)同分類算法結(jié)果
        4.4.2 圖像分割尺度影響
        4.4.3 空譜聯(lián)合特征分類方法對(duì)比
    4.5 本章小結(jié)
第5章 基于分層處理的紅外高光譜與可見多光譜圖像協(xié)同分類
    5.1 引言
    5.2 紅外高光譜與可見多光譜圖像特征提取
    5.3 紅外高光譜和可見多光譜圖像分層分類方法
        5.3.1 稀疏表示分類方法
        5.3.2 結(jié)合上下文信息的決策融合方法
    5.4 實(shí)驗(yàn)結(jié)果及分析
        5.4.1 紅外高光譜圖像特征提取與分類結(jié)果
        5.4.2 可見多光譜圖像特征提取與分類結(jié)果
        5.4.3 圖像協(xié)同分類結(jié)果
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其它成果
致謝
個(gè)人簡歷



本文編號(hào)：3817713