学位论文 > 优秀研究生学位论文题录展示

高光谱数据库中基于特征的分类方法研究

作　者: 徐晨威
导　师: 易宝林
学　校: 华中师范大学
专　业: 计算机软件理论
关键词: 高光谱遥感光谱预处理特征提取决策树分类主成分分析
分类号: TP311.13
类　型: 硕士论文
年　份: 2011年
下　载: 120次
引　用: 0次
阅　读: 论文下载

内容摘要

高光谱遥感在地质勘探、监测地球环境和指导农业生产等领域发挥着重要的作用,对光谱数据进行信息挖掘是遥感应用的前提和基础。在高光谱数据获取的过程中,由于受外界环境因素的影响,光谱数据往往会有一定的偏差,需要对其进行必要的处理,同时,由于遥感技术的发展,光谱数据呈现出波段多、数据量大的特点,所以也要对光谱数据进行特征提取,利用提取后的特征参量经行分类处理。本文在研究高光谱成像特点的基础上,对数据预处理和特征提取进行了相关讨论,在此基础上对决策树分类和主成分分析方法进行了深入研究,建立了分类处理模型,并应用于光谱数据库系统中。本文的主要工作包括四个方面：首先,在数据预处理与特征提取方面,根据高光谱的成像特点,分析了岩矿和植被的光谱特性,研究了预处理在光谱数据处理方面的重要性,在预处理的基础上,针对岩矿和植被分别探讨了特征提取模型。其次,以特征提取模型为基础进行特征提取,通过对提取的特征结果进行统计分析,定性分析了特征参数对分类算法的影响,并以植被和岩矿典型地物为例进行了光谱特征提取分析,分析结果为特征分类提供了数据支持。再次,在高光谱数据分类方面,结合所提取的光谱特征,分别从决策树分类方法和主成分分析方法两方面对高光谱数据分类进行了研究。决策树分类方法是基于光谱维特征信息能够体现植被生理特性的基础上,利用提取的八个特征参量进行了分类算法的研究；主成分分析方法是基于主成分能够突出感兴趣的光谱特征,利用主成分中的前两个主成分对岩矿进行了分类研究。实验结果表明,利用特征提取模型进行特征提取,对提取结果进行统计分析,将分析结论与分类算法进行有效结合,建立分类模型,能够有效地对地物进行分类识别。最后,利用上述分类方法建立了分类模型,并应用于光谱数据的分析原型系统之中,该模型能够对地物进行有效分类,达到分析处理光谱数据的目的,所实现的内容为高光谱遥感的应用奠定了基础。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-14
  1.1 研究的目的与意义  10-11
  1.2 国内外研究概论  11-13
  1.3 本文主要研究内容及框架  13-14
第2章高光谱数据预处理及特征提取  14-31
  2.1 高光谱遥感成像特点  14-15
  2.2 地物的反射光谱特性  15-19
    2.2.1 矿物的光谱特性  16-17
    2.2.2 植被的光谱特性  17-19
  2.3 高光谱数据处理  19-21
  2.4 高光谱数据特征提取  21-26
    2.4.1 岩矿光谱吸收指数提取模型  22-23
    2.4.2 植被光谱维特征提取模型  23-26
  2.5 实验结果  26-30
  2.6 小结  30-31
第3章高光谱数据分类研究  31-39
  3.1 基于光谱维特征的决策树分类方法  31-34
  3.2 主成分分析方法  34-36
  3.3 实验结果  36-38
    3.3.1 植被决策树分类试验  36
    3.3.2 岩矿主成分分析实验  36-38
  3.4 小结  38-39
第4章高光谱数据库分类子模块实现  39-48
  4.1 系统结构  39-40
  4.2 部分功能模块实现  40-47
    4.2.1 模块逻辑设计  40-42
    4.2.2 光谱特征提取模块  42-43
    4.2.3 光谱分类模块  43-44
    4.2.4 系统运行主要界面  44-47
  4.3 小结  47-48
第5章结论与展望  48-50
  5.1 全文总结  48-49
  5.2 研究展望  49-50
参考文献  50-54
硕士学位期间发表的论文和参与的项目  54-55
致谢  55

高光谱数据库中基于特征的分类方法研究

内容摘要

全文目录

相似论文