本文關(guān)鍵詞：基于Hash編碼的超光譜遙感圖像分類，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著技術(shù)手段和傳感器性能的提高,越來越大量的超光譜衛(wèi)星遙感數(shù)據(jù)被產(chǎn)生了出來。人們迫切需要找到一種能夠處理這種大量遙感圖像數(shù)據(jù)的機(jī)器學(xué)習(xí)算法。另一方面,Hash學(xué)習(xí)技術(shù)在近年來成為了一種被廣泛使用的處理大數(shù)據(jù)的機(jī)器學(xué)習(xí)手段。本文首先提出了一種基于分段Hash編碼的維度縮減方法,并將這種方法用于超光譜遙感圖像分類中,在保持足夠高精度的前提下,這種方法可以大大縮短計(jì)算時(shí)間。接下來,本文基于分段Hash編碼技術(shù)與圖像塊描述的方法,提出了基于塊的Hash分類算法,并成功地應(yīng)用于四種不同的超光譜遙感圖像數(shù)據(jù)集的分類。對四種超光譜遙感圖像分類的性能評估結(jié)果表明,本文提出的方法在分類準(zhǔn)確率方面可以和普通的基于圖像塊描述的分類方法相媲美。在計(jì)算效率方面遠(yuǎn)優(yōu)于普通的基于圖像塊描述的分類方法。進(jìn)一步,為了驗(yàn)證本文分類方法的性能優(yōu)勢,我們系統(tǒng)地比較了四種方法在分類精度和計(jì)算速度方面的性能差異,包括傳統(tǒng)像素的分類算法、分段Hash算法、基于塊的方法,以及基于塊的Hash分類算法。最后,我們討論了模型參數(shù)、不同的Hash函數(shù)對算法的影響�？偠灾�,基于塊Hash的分類算法不僅具有良好的性能,較低的計(jì)算復(fù)雜度,而且在實(shí)際的超光譜遙感圖像處理中可以達(dá)到較高的精度。進(jìn)一步,本論文提出的方法具有一定的普遍性,它不僅可以應(yīng)用到超光譜遙感圖像處理中,還可以應(yīng)用于更廣泛的機(jī)器學(xué)習(xí)問題中。
【關(guān)鍵詞】：超光譜圖像 Hash編碼 機(jī)器學(xué)習(xí) 圖像處理 支持向量機(jī)
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要4-5
• Abstract5-6
• 第一章 引言6-16
• 1.1 研究背景6-7
• 1.2 超光譜遙感數(shù)據(jù)圖像分析研究現(xiàn)狀7-9
• 1.3 簡介Hash算法與Hash編碼9-11
• 1.4 支持向量機(jī)簡介11-13
• 1.5 基于Hash的機(jī)器學(xué)習(xí)方法介紹13-14
• 1.6 本文結(jié)構(gòu)14-16
• 第二章 分段Hash編碼方法16-27
• 2.1 基本思路16
• 2.2 分段Hash編碼16-18
• 2.3 實(shí)驗(yàn)結(jié)果18-19
• 2.4 數(shù)據(jù)的選取19
• 2.5 相似性檢驗(yàn)19-20
• 2.6 分類結(jié)果20-24
• 2.7 參數(shù)討論24-25
• 2.8 本章小結(jié)25-27
• 第三章 基于塊的Hash編碼方法介紹27-45
• 3.1 基本思路27-29
• 3.2 實(shí)驗(yàn)設(shè)計(jì)29
• 3.3 實(shí)驗(yàn)結(jié)果分析29-33
• 3.4 性能指標(biāo)33-37
• 3.5 速度(運(yùn)行時(shí)間)37-38
• 3.6 不同Hash函數(shù)對于塊Hash算法的影響38-39
• 3.7 對于算法參數(shù)的依賴39-42
• 3.8 性能指標(biāo)42-45
• 第四章 總結(jié)與展望45-48
• 參考文獻(xiàn)48-52
• 攻讀碩士期間完成的科研情況52-53
• 鳴謝53

  本文關(guān)鍵詞：基于Hash編碼的超光譜遙感圖像分類，，由筆耕文化傳播整理發(fā)布。

本文編號：504249