基于高光谱图像的目标分类技术研究

发布时间：2017-11-15 02:07

  本文关键词：基于高光谱图像的目标分类技术研究

  更多相关文章： 高光谱图像 目标分类 子空间模型 马尔可夫随机场

【摘要】：随着高光谱处理技术的发展,高光谱图像分类技术受到了国内外越来越多的研究学者关注。与传统遥感影像相比,高光谱遥感图像光谱信息丰富以及“图谱合一”的特点,决定了其具有对地物进行精细分类的巨大潜质,与此同时高光谱图像数据量大维数多等特点也给高光谱图像分类带来了非常大的挑战,传统遥感图像分类方法已不再适用于高光谱图像,因此,为了充分利用高光谱图像的信息,研究适合高光谱图像的分类算法具有重要研究意义。高光谱图像常常会存在“异物同谱,同谱异物”的现象,给高光谱图像精细分类带来了较大的困难。本文提出了一种结合高光谱图像光谱信息和空间信息的分类方法,即基于子空间结合马尔可夫模型的监督分类方法,并对该方法做出了改进。子空间模型可以解决高光谱图像数据量大的问题,马尔科夫模型可以将高光谱图像几何空间中像元的连续分布转化为像元与其邻域的关系,可以充分利用高光谱图像的空间信息,有效解决了“异物同谱,同谱异物”的问题。分类方法流程如下:首先通过子空间模型将高光谱图像投影到一个低维特征子空间中,对高光谱图像进行预分类,然后对原始高光谱图像经过主成分变换,针对第一主成分提取梯度信息,构造边缘系数,最后结合马尔可夫模型对预分类结果再次分类,最后获得分类结果。通过设计实验并进行了仿真,并对实验结果进行了分析与评价,实验结果表明,本文所提出的方法具有较好的分类性能。
【学位授予单位】：长春理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
，

本文编号：1187915