高光譜圖像刻畫了不同地表物在狹窄光譜帶下的上百種光譜特征,反映了不同地物對(duì)象的化學(xué)、物理和光學(xué)性質(zhì),在精準(zhǔn)農(nóng)業(yè)、礦物質(zhì)勘探和環(huán)境監(jiān)測(cè)等領(lǐng)域得到了廣泛的應(yīng)用。然而固有的成像機(jī)理和復(fù)雜的地表環(huán)境使高光譜圖像分析面臨嚴(yán)峻的挑戰(zhàn):不同種類的噪音污染;同物異譜和同譜異物現(xiàn)象;標(biāo)記樣本的不足與冗余的高維光譜之間的矛盾等。此外,隨著數(shù)據(jù)獲取技術(shù)的發(fā)展,如何對(duì)大量的、動(dòng)態(tài)的高光譜數(shù)據(jù)進(jìn)行快速高效的處理成為日益嚴(yán)峻的挑戰(zhàn)。本論文在分析稀疏學(xué)習(xí)、流形結(jié)構(gòu)嵌入和損失性度量等理論的基礎(chǔ)上,結(jié)合高光譜圖像的固有性質(zhì),研究了多種面向高光譜像素分類的特征提取和特征選擇技術(shù)。論文的主要研究工作如下:針對(duì)高光譜圖像分類中的同物異譜和同譜異物現(xiàn)象,本論文提出了一種融合光譜、空間和標(biāo)簽信息的稀疏編碼方法。該方法通過(guò)空間劃分來(lái)分布式地編碼高維像素在低維空間的表示,結(jié)合融合光譜與標(biāo)簽信息的超圖,使同類像素的低維特征的結(jié)構(gòu)分布更加緊湊,從而增加不同類像素之間的可區(qū)分度,提高新特征的判別性與魯棒性。在真實(shí)的高光譜數(shù)據(jù)集上,進(jìn)行了大量與其他運(yùn)用廣泛的特征提取方法之間的對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明本文提出的特征提取方法有效地提升了不同地表物... 

【文章來(lái)源】：湖南大學(xué)湖南省211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：139 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 高光譜圖像性質(zhì)及帶來(lái)的挑戰(zhàn)
        1.2.2 高光譜圖像分類
        1.2.3 高光譜圖像降維
    1.3 論文研究?jī)?nèi)容及章節(jié)安排
        1.3.1 研究?jī)?nèi)容
        1.3.2 章節(jié)安排
第2章 基于多信息融合的稀疏編碼特征提取
    2.1 稀疏編碼和基于圖和超圖的拉普拉斯算子
        2.1.1 稀疏編碼
        2.1.2 基于圖與超圖的拉普拉斯正則化
    2.2 基于圖和超圖的多信息融合稀疏編碼
        2.2.1 圖正則化的多信息融合稀疏編碼
        2.2.2 超圖正則化的多信息融合稀疏編碼
        2.2.3 優(yōu)化求解
    2.3 實(shí)驗(yàn)結(jié)果及分析
        2.3.1 實(shí)驗(yàn)數(shù)據(jù)
        2.3.2 性能評(píng)價(jià)指標(biāo)
        2.3.3 實(shí)驗(yàn)設(shè)置
        2.3.4 實(shí)驗(yàn)結(jié)果
        2.3.5 參數(shù)分析
    2.4 本章小結(jié)
第3章 基于矩陣邊緣最大化和差異驅(qū)動(dòng)的特征選擇
    3.1 支持向量機(jī)和雙正則支持向量機(jī)簡(jiǎn)介
    3.2 基于矩陣邊緣最大化的數(shù)據(jù)驅(qū)動(dòng)差異的特征選擇模型
        3.2.1 M3D3模型構(gòu)建
        3.2.2 類相關(guān)的M3D3模型
        3.2.3 類相關(guān)的特征選擇和分類
        3.2.4 M3D3模型優(yōu)化
        3.2.5 M3D3求解模型的時(shí)間復(fù)雜度分析
    3.3 實(shí)驗(yàn)結(jié)果及分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)
        3.3.2 性能評(píng)價(jià)指標(biāo)
        3.3.3 實(shí)驗(yàn)設(shè)置
        3.3.4 實(shí)驗(yàn)結(jié)果
        3.3.5 參數(shù)分析
    3.4 本章小結(jié)
第4章 基于局部視角標(biāo)簽對(duì)齊的判別性特征選擇
    4.1 符號(hào)定義和超圖構(gòu)造
        4.1.1 基本符號(hào)和定義
        4.1.2 超圖構(gòu)造
    4.2 基于局部視角標(biāo)簽對(duì)齊的特征選擇模型
        4.2.1 Lva ALa模型構(gòu)建
        4.2.2 Lva ALa模型優(yōu)化
        4.2.3 Lva ALa模型時(shí)間復(fù)雜度分析
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 實(shí)驗(yàn)設(shè)置
        4.3.2 實(shí)驗(yàn)結(jié)果
        4.3.3 參數(shù)分析
    4.4 本章小節(jié)
第5章 基于量化自表示學(xué)習(xí)的無(wú)監(jiān)督特征選擇
    5.1 基于自表示學(xué)習(xí)的特征選擇
        5.1.1 基本符號(hào)和定義
        5.1.2 基于自表示學(xué)習(xí)的特征選擇
    5.2 基于量化自表示學(xué)習(xí)的特征選擇模型
        5.2.1 SOP-SRL模型構(gòu)建
        5.2.2 SOP-SRL模型優(yōu)化
        5.2.3 SOP-SRL模型時(shí)間復(fù)雜度分析
    5.3 實(shí)驗(yàn)結(jié)果及分析
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)
        5.3.2 實(shí)驗(yàn)設(shè)置
        5.3.3 實(shí)驗(yàn)結(jié)果
        5.3.4 參數(shù)分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文
附錄B 攻讀學(xué)位期間參與的研究項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]高光譜遙感技術(shù)發(fā)展與展望[J]. 張淳民,穆廷魁,顏廷昱,陳澤宇.  航天返回與遙感. 2018(03)
[2]高光譜成像技術(shù)在故宮書畫文物保護(hù)中的應(yīng)用[J]. 史寧昌,李廣華,雷勇,吳太夏.  文物保護(hù)與考古科學(xué). 2017(03)
[3]中國(guó)高光譜遙感的前沿進(jìn)展[J]. 童慶禧,張兵,張立福.  遙感學(xué)報(bào). 2016(05)
[4]利用Hyperion星載高光譜傳感器監(jiān)測(cè)太湖水質(zhì)的研究[J]. 閻福禮,王世新,周藝,肖青,祝令亞,王麗濤,焦云清.  紅外與毫米波學(xué)報(bào). 2006(06)



本文編號(hào)：3616693