学位论文 > 优秀研究生学位论文题录展示
高光谱图像地物分类和分割方法研究
作 者: 周宏杰
导 师: 张莉
学 校: 西安电子科技大学
专 业: 模式识别与智能系统
关键词: 高光谱图像 1范数支持向量 流形学习 等距映射 边界点校正
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 182次
引 用: 1次
阅 读: 论文下载
内容摘要
高光谱遥感是当前遥感技术的前沿领域,它利用很多很窄的电磁波波段从感兴趣的物体获得有用数据。高光谱遥感产生的高光谱图像包含了丰富的空间、辐射和光谱三重信息。但是,由于高光谱图像本身的维数高且存在歧义性,所以无论是在理论上还是在应用方面都还存在着许多待解决的问题。本文的研究围绕着高光谱图像地物的分类和分割学习算法展开,主要的工作如下:研究了将1范数支持向量机应用于高光谱图像地物的分类。目前支持向量机算法已经成功应用到了高光谱图像地物的分类中,但是检验速度不太理想,主要原因是算法产生的支持向量较多。鉴于此,我们把1范数支持向量机算法应用到高光谱图像地物分类中。该算法可以在较大的减少非零系数的情况下尽量保持识别率,而非零系数的减少有利于检验速度的提升。实验结果验证了该算法的有效性。提出了等距映射像素分布流算法。等距映射算法已经被用到了处理高光谱图像地物分割中,但是该算法对特征相近的地物无法分开。本文把像素空间信息引入到等距映射中,提出一种等距映射像素分布流算法。在该算法中,我们用一个加权参数把像素空间信息和像素特征信息联系起来,通过调节该加权参数能够改变空间信息和特征信息的比例,形成信息差值序列,利用这个差值序列来分割图像。仿真实验证明了等距映射像素分布流算法的有效性。提出了基于像素特征信息的边界点校正方法。在我们利用上面提出的等距映射像素分布流算法对高光谱图像地物进行分割后,我们发现得到的分割结果比较破碎、边界点较多,而且地物的形态与标记相差较大。为了解决这个问题,我们提出了基于像素特征信息的边界点校正方法,对冗余的边界点进行校正即重新归类。仿真实验验证了该方法的有效性,使得校正后的结果接近于地物形态。本论文得到了国家自然科学基金(NO.60602064)和(NO.60970067)资助。
|
全文目录
摘要 3-4 ABSTRACT 4-7 第一章 绪论 7-11 1.1 研究背景 7-8 1.2 遥感图像目标识别 8-9 1.3 遥感图像分割 9-10 1.4 本文研究内容和结构安排 10-11 第二章 1范数支持向量机在高光谱图像地物分类中的应用 11-21 2.1 支持向量机 11-13 2.1.1 最优分类面 11-12 2.1.2 SVM算法 12-13 2.2 1范数支持向量机 13-15 2.3 仿真实验 15-19 2.3.1 高光谱图像数据 15-18 2.3.2 1-norm SVM 的实验结果 18-19 2.4 本章小结 19-21 第三章 基于等距映射像素分布流算法的高光谱图像地物分割 21-43 3.1 流形学习回顾 21-24 3.1.1 常用的流形学习算法 21-23 3.1.2 等距映射算法(ISOMAP) 23-24 3.2 等距映射像素分布流(ISOMAP PD-Flow) 24-31 3.2.1 算法的基本假设 24-27 3.2.2 算法流程 27-28 3.2.3 统计信息差值序列中的变化信息找到边界 28-29 3.2.4 对分割出的地物块进行类别标记 29-31 3.3 仿真实验 31-41 3.3.1 ISOMAP算法处理高光谱图像 31-35 3.3.2 等距映射像素分布流算法处理高光谱图像 35-41 3.4 本章小结 41-43 第四章 针对高光谱图像地物分割结果的边界点校正方法 43-51 4.1 k近邻算法及其改进 43-44 4.2 边界点校正方法 44-47 4.2.1 校正的可行性研究 44-46 4.2.2 校正方法 46-47 4.3 仿真实验 47-50 4.4 本章小结 50-51 第五章 总结和展望 51-53 5.1 论文总结 51 5.2 工作展望 51-53 致谢 53-55 参考文献 55-59 研究生期间的研究成果 59-60
|
相似论文
- 基于流形学习的高维流场数据分类研究,V231.3
- 高光谱图像空—谱协同超分辨处理研究,TN911.73
- 基于感兴趣信息的高光谱图像压缩技术研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于核方法的高光谱图像异常检测算法研究,TP751
- 基于流形学习的数据降维技术研究,TP311.13
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 高/多光谱图像混合像元解混研究,TP751
- 基于学习的视频超分辨率重建算法研究及实现,TP391.41
- 高光谱图像异常目标检测,TP391.41
- 高光谱图像处理平台的研究与设计,TP391.41
- 基于脑电的情感识别,TP391.4
- 人体运动时间序列可视化及多索引方法研究,TP391.41
- 基于多基点定位的ISOMAP算法改进研究,TP181
- 暴雨中冰雹的识别,P429
- 高光谱遥感图像融合技术与质量评价方法研究,TP751
- 基于矢量量化的高光谱图像无损压缩算法研究,TP751.1
- 基于三维光谱模型的高光谱图像压缩方法的研究,TP751.1
- 流形学习中的增量谱嵌入方法,TP181
- 长期演进系统下入侵检测关键技术的研究,TP393.08
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|