高光譜遙感圖像（HSI）因其含有豐富的光譜、空間信息,可在紫外到近紅外的光譜范圍內(nèi)獲得物質(zhì)的窄帶、近似連續(xù)的光譜曲線,進而對材料和目標(biāo)識別提供了有價值的信息,可進行分類識別。為利用遙感技術(shù)找礦進行先驗性的地質(zhì)填圖工作,本文將巖礦作為研究對象,在分析現(xiàn)有的高光譜遙感巖礦特征分類的算法中發(fā)現(xiàn),它們大多單純地利用圖像光譜維信息進行巖礦的分類（如光譜角填圖法（SAM）、支持向量機（SVM）等）,其中可能由于礦石晶體結(jié)構(gòu)變化、摻雜元素含量的多少以及伴生晶體等原因增加了分類的復(fù)雜性,導(dǎo)致分類精度不盡如人意。本文通過對礦石的光譜和空間特征的研究,并將其作為后續(xù)分類工作的理論依據(jù);同時針對現(xiàn)有的基于光譜特征的高光譜圖像分類方法、基于SVM的高光譜圖像分類方法展開了研究,并結(jié)合實驗分析影響其分類精度的原因;最后,本文提出了一種基于深度學(xué)習(xí)的監(jiān)督分類算法,該方法利用卷積神經(jīng)網(wǎng)絡(luò)結(jié)合像素的光譜和空間信息進行深度監(jiān)督分類,在AVIRIS高光譜數(shù)據(jù)內(nèi)對明礬石、高嶺石、蒙脫石和玉髓四種礦石進行了分類識別,實驗結(jié)果為礦石的總體分類精度為90.58%,Kappa系數(shù)為0.8676,算法表現(xiàn)出了優(yōu)良的分類性能,表明本文... 

【文章來源】：鄭州航空工業(yè)管理學(xué)院河南省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第一章 緒論
    1.1 研究目的及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 研究路線及關(guān)鍵技術(shù)
    1.5 本論文擬解決的實際問題及創(chuàng)新點
第二章 巖礦特征的研究及數(shù)據(jù)的預(yù)處理
    2.1 巖礦特征的研究
        2.1.1 礦石光譜特征
        2.1.2 礦石空間特征
    2.2 研究區(qū)概況
    2.3 研究區(qū)數(shù)據(jù)預(yù)處理
        2.3.1 輻射校正概述
        2.3.2 大氣校正方法
        2.3.3 基于FLAASH的 AVIRIS高光譜圖像大氣校正
        2.3.4 FLAASH大氣校正結(jié)果分析
    2.4 本章小結(jié)
第三章 基于巖礦光譜特征的高光譜圖像分類的研究
    3.1 巖礦端元光譜的提取與分析
        3.1.1 端元光譜提取算法
        3.1.2 高光譜巖礦端元光譜提取實驗
    3.2 光譜匹配算法的研究
        3.2.1 編碼匹配
        3.2.2 光譜角填圖（Spectral Angle Mapper,SAM）
        3.2.3 光譜信息散度（Spectral Information Divergence,SID）
    3.3 基于巖礦光譜特征的高光譜圖像分類實驗
    3.4 精度評價
    3.5 本章小結(jié)
第四章 基于支持向量機的高光譜巖礦圖像分類研究
    4.1 支持向量機的基本原理
        4.1.1 最優(yōu)分類超平面
        4.1.2 非線性支持向量機
        4.1.3 內(nèi)積核函數(shù)
    4.2 基于支持向量機的高光譜巖礦圖像分類實驗
        4.2.1 核函數(shù)的影響
        4.2.2 數(shù)據(jù)維數(shù)的影響
        4.2.3 樣本個數(shù)的影響
    4.3 本章小結(jié)
第五章 基于深度學(xué)習(xí)的高光譜巖礦圖像分類的研究
    5.1 卷積神經(jīng)網(wǎng)絡(luò)的基本原理
    5.2 基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜巖礦圖像分類實驗
    5.3 本章小結(jié)
第六章 結(jié)論
參考文獻
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻】：
期刊論文
[1]基于FLAASH模型的Worldview3大氣校正[J]. 陳玲,陳理,李偉,劉建宇.  國土資源遙感. 2019(04)
[2]湖南千里山巖體中金紅石化學(xué)成分標(biāo)型特征研究[J]. 王耀可,魯安懷,李斌,王智琳,束正祥.  巖石礦物學(xué)雜志. 2019(05)
[3]大寶山多金屬礦床氧化微粒的X射線衍射和近紅外光譜分析及其意義[J]. 鄧永康,曹建勁,黨萬強,王國強,劉翔,李德偉.  光譜學(xué)與光譜分析. 2019(09)
[4]加入高程因子的航空高光譜影像大氣輻射校正[J]. 伊丕源,李瀚波,童鵬,趙英俊,張川,田豐,車永飛,吳文歡.  國土資源遙感. 2019(02)
[5]不同空間分辨率高光譜遙感數(shù)據(jù)對蝕變礦物信息提取的影響[J]. 梁丹迪,周可法,王珊珊,王金林.  地質(zhì)科技情報. 2019(03)
[6]基于PCA與協(xié)同表示的高光譜圖像分類研究[J]. 韓嫚莉,侯衛(wèi)民,孫靖國,王明,梅少輝.  電子科技大學(xué)學(xué)報. 2019(01)
[7]基于波段選擇改進的高光譜端元提取方法[J]. 嚴(yán)陽,華文深,張炎,崔子浩,劉恂.  激光技術(shù). 2019(04)
[8]基于PCA網(wǎng)絡(luò)的光譜-空間聯(lián)合的高光譜圖像分類[J]. 王凡.  計算機仿真. 2018(10)
[9]基于SVM的高分辨率遙感圖像的分類方法研究[J]. 刁彥華,郭月,王曉君.  數(shù)學(xué)的實踐與認(rèn)識. 2018(01)
[10]Evaluation of atmospheric corrections on hyperspectral data with special reference to mineral mapping[J]. Nisha Rani,Venkata Ravibabu Mandla,Tejpal Singh.  Geoscience Frontiers. 2017(04)

博士論文
[1]基于深度學(xué)習(xí)的高光譜影像分類方法研究[D]. 馬曉瑞.大連理工大學(xué) 2017
[2]高光譜遙感影像光譜解混算法研究[D]. 楊華東.大連海事大學(xué) 2015
[3]高光譜遙感巖礦特征提取與分類方法研究[D]. 林娜.成都理工大學(xué) 2011

碩士論文
[1]高光譜遙感蝕變礦物填圖算法對比研究及應(yīng)用[D]. 侯毅.成都理工大學(xué) 2015



本文編號：2986929