高光譜圖像是利用先進(jìn)的傳感器技術(shù)和成像系統(tǒng)得到的,由于高光譜圖像數(shù)據(jù)在社會生活的諸多領(lǐng)域有著廣泛應(yīng)用前景,對于高光譜圖像的分析與處理已經(jīng)成為遙感影像研究領(lǐng)域的研究熱點。高光譜圖像目標(biāo)檢測與分類是高光譜圖像技術(shù)的兩個最主要分支。然而在高光譜圖像目標(biāo)檢測任務(wù)中,現(xiàn)有方法不能夠有效利用所輸入高光譜數(shù)據(jù)自身的背景輪廓結(jié)構(gòu)信息;與此同時,現(xiàn)有高光譜分類算法沒有考慮到非鄰域像素的相關(guān)性對分類結(jié)果的影響,從而導(dǎo)致最終的分類精度得不到保證。因此本文就高光譜圖像目標(biāo)檢測和分類過程中面臨的問題提出相應(yīng)的解決思路和方法。本文的主要工作如下:(1)提出了一種基于背景結(jié)構(gòu)輔助的高光譜圖像目標(biāo)檢測方法,充分使用高光譜數(shù)據(jù)的背景輪廓結(jié)構(gòu)信息作為輔助來完成對目標(biāo)物體的檢測任務(wù)。先選擇一種已有的效率相對較高且算法復(fù)雜度相對較低的高光譜圖像目標(biāo)檢測方法獲取一個初始檢測結(jié)果。使用融合成分分析與綜合稀疏表示的圖像分解方法來獲取經(jīng)過主成分分析降維之后的高光譜圖像數(shù)據(jù)的背景輪廓結(jié)構(gòu)信息。將獲得的背景輪廓結(jié)構(gòu)信息與前面得到的初始檢測結(jié)果相結(jié)合,濾除非目標(biāo)區(qū)域的虛警進(jìn)而獲得修正后的最終目標(biāo)檢測結(jié)果。通過在真實數(shù)據(jù)上進(jìn)行對比實驗可以看...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1遙感過程

基于深度學(xué)習(xí)的高光譜圖像目標(biāo)檢測與分類研究2估、森林火災(zāi)探測、農(nóng)作物生長觀測和調(diào)節(jié)、軍事行動等領(lǐng)域[2-7]得到了成功的應(yīng)用。圖1-1遙感過程圖1-2高光譜圖像數(shù)據(jù)三維模型高光譜圖像的分類準(zhǔn)確率和精確的檢測和識別目標(biāo)對于高光譜圖像處理領(lǐng)域具有舉足輕重的意義。截至目前，國內(nèi)外專家學(xué)....

圖1-2高光譜圖像數(shù)據(jù)三維模型

基于深度學(xué)習(xí)的高光譜圖像目標(biāo)檢測與分類研究2估、森林火災(zāi)探測、農(nóng)作物生長觀測和調(diào)節(jié)、軍事行動等領(lǐng)域[2-7]得到了成功的應(yīng)用。圖1-1遙感過程圖1-2高光譜圖像數(shù)據(jù)三維模型高光譜圖像的分類準(zhǔn)確率和精確的檢測和識別目標(biāo)對于高光譜圖像處理領(lǐng)域具有舉足輕重的意義。截至目前，國內(nèi)外專家學(xué)....

圖1-3高光譜目標(biāo)檢測方法

標(biāo)像元和鄰域像元通常會產(chǎn)生光譜混合，因此待識別的目標(biāo)像元是一種混合像元并且符合線性光譜混合模型。第三個階段學(xué)者們把核機(jī)器學(xué)習(xí)方法引入到目標(biāo)檢測中來，即通過非線性核方法對目標(biāo)進(jìn)行檢測。當(dāng)然，這三個階段并不是完全獨立開來的，它們之間通常是混合疊加在一塊的，如在使用核函數(shù)來處理目標(biāo)檢測....

圖2-1深度學(xué)習(xí)應(yīng)用到高光譜圖像分類論文的數(shù)量統(tǒng)計

相關(guān)技術(shù)理論介紹7第2章相關(guān)技術(shù)理論介紹本文研究的課題用到了基于深度學(xué)習(xí)的高光譜圖像分類算法、融合分析與綜合稀疏表示的圖像分解方法、主成分分析、循環(huán)神經(jīng)網(wǎng)絡(luò)框架和K最近鄰算法等相關(guān)技術(shù)，本章將對這幾個相關(guān)技術(shù)進(jìn)行逐一介紹。2.1基于深度學(xué)習(xí)的高光譜圖像分類方法介紹深度學(xué)習(xí)作為機(jī)器....

本文編號：3912500