学位论文 > 优秀研究生学位论文题录展示

高光谱图像类别信息相关技术研究

作　者: 邓禄群
导　师: 王立国
学　校: 哈尔滨工程大学
专　业: 信号与信息处理
关键词: 高光谱图像类别信息支持向量机保护感兴趣类别端元提取
分类号: TP751
类　型: 硕士论文
年　份: 2010年
下　载: 114次
引　用: 2次
阅　读: 论文下载

内容摘要

高光谱遥感技术已经成为遥感发展的前沿,并且在民用以及军用等多个领域发挥着极其重要的作用。高光谱图像的高分辨率、多波段数、窄波段宽度、大数据量在为人类带来巨大的研究价值的同时,也给高光谱图像的处理带来了巨大的挑战。本文以高光谱图像数据为对象,研究了高光谱图像类别信息的相关技术。论文首先分析了高光谱图像处理面临的问题,并对高光谱图像处理的两个重要的方面——分类和端元提取进行了简要分析,指出了传统的有类别信息的监督分类方法和无类别信息的端元提取方法的缺点,说明了对高光谱图像处理技术进行研究的必要性。对于高光谱图像的有类别信息的监督分类方法,论文提出了基于LS-SVM的保护感兴趣类别的两种处理方法：精简样本类别法和改变权值法。在精简样本类别法中,通过去掉非感兴趣类别样本,留下感兴趣类别样本,感兴趣类别样本的分类精度得到了较大幅度的提高；在改变权值法中,通过改变训练过程对各类别训练样本的重视程度,感兴趣类别的训练样本受到重视,从而使其分类精度得到了提高。对于高光谱图像的无类别信息的端元提取算法,论文提出了基于距离比较的端元提取算法。由于SGA算法和N-FINDR算法与其他算法相比具有明显的优点,因此本论文主要对这两种算法进行研究。首先论文对SGA算法进行改进,构造超平面,用点到平面的距离计算替代体积计算；其次,在支持向量机的基础上对N-FINDR算法进行改进,挖掘支持向量机的本质,用支持向量机计算距离的方法进行端元提取,实现了免于预降维处理的N-FINDR算法。实验证明,改进的算法在保证端元提取效果不变的前提下,运行速度大大提高,降低了算法的计算复杂度。同时论文还对高光谱图像数据预处理技术提出了一些方法,如像素预排序处理和野值点的检测与去除等,也能很好的改进原始端元提取算法的运行速度。

全文目录

摘要  5-7
ABSTRACT  7-12
第1章绪论  12-24
  1.1 课题背景及研究的目的意义  12-16
    1.1.1 遥感的定义  12
    1.1.2 遥感的分类  12-14
    1.1.3 遥感的应用  14-15
    1.1.4 遥感研究的主要方向  15-16
  1.2 有类别信息下的监督分类方法发展现状  16-18
  1.3 无类别信息下的端元提取技术发展现状  18-22
    1.3.1 N-FINDR方法  19
    1.3.2 PPI方法  19-20
    1.3.3 MEST方法  20
    1.3.4 IEA方法  20
    1.3.5 ORASIS方法  20-21
    1.3.6 AMEE方法  21-22
  1.4 论文的主要内容及结构安排  22-24
第2章支持向量机的基本理论  24-40
  2.1 引言  24-25
  2.2 支持向量机的主要内容  25-33
    2.2.1 线性SVM  25-28
    2.2.2 广义线性SVM  28-29
    2.2.3 非线性SVM  29-31
    2.2.4 核函数  31-33
  2.3 支持向量机的特点  33
  2.4 最小二乘SVM  33-35
  2.5 SVM多分类方法  35-38
    2.5.1 1-a-r型多分类SVM  35-37
    2.5.2 1-a-1型多分类SVM  37-38
  2.6 本章小结  38-40
第3章基于SVM的保护感兴趣类别法  40-48
  3.1 引言  40-41
  3.2 保护感兴趣类别法  41-47
    3.2.1 精简样本类别方法  41-42
    3.2.2 改变权值法  42-43
    3.2.3 结果与分析  43-47
  3.3 本章小结  47-48
第4章端元提取算法的基础知识  48-68
  4.1 引言  48
  4.2 高光谱遥感图像数据及表示方式  48-52
  4.3 线性混合模型  52-55
    4.3.1 混合像素的产生  52
    4.3.2 光谱混合的物理模型  52-53
    4.3.3 模型的数学表达  53-55
  4.4 预降维处理方法  55-58
    4.4.1 主成分分析(PCA)  55-56
    4.4.2 MNF变换  56-58
  4.5 几种典型的端元提取算法  58-67
    4.5.1 N-FINDR算法  58-61
    4.5.2 SGA算法  61-62
    4.5.3 OBA算法  62-65
    4.5.4 PPI算法  65-67
  4.6 其他算法  67
  4.7 本章小结  67-68
第5章基于距离比较的端元提取算法  68-82
  5.1 引言  68-69
  5.2 改进的SGA算法  69-73
    5.2.1 算法的原理及相应的推导  69-71
    5.2.2 试验结果及分析  71-73
  5.3 基于LLSSVM的N-FINDR改进算法  73-77
    5.3.1 算法原理  73-75
    5.3.2 试验结果  75-77
  5.4 精简端元数目的光谱解混方法  77-78
  5.5 像素预处理方法  78-80
    5.5.1 野值点的检测与去除  78-79
    5.5.2 像素预排序  79-80
  5.6 本章小结  80-82
结论  82-85
参考文献  85-92
攻读硕士学位期间发表的论文和取得的科研成果  92-93
致谢  93

高光谱图像类别信息相关技术研究

内容摘要

全文目录

相似论文