当前位置:主页 > 管理论文 > 工程管理论文 >

基于Gabor特征的高光谱图像空谱分类研究

发布时间:2020-04-20 06:47
【摘要】:Gabor小波变换具有优异的频域特征提取能力,对于高光谱图像空谱合一的特殊数据结构,3-D Gabor滤波可以同时提取高光谱图像的空间维和光谱维特征,因此3-D Gabor变换近年来在高光谱图像分类领域作为空谱特征提取方法被广泛应用。覆盖多分辨率的多组Gabor参数设置下提取的Gabor幅值特征维数十分庞大,高维特征数据对分类算法与运算资源需要提出了巨大的挑战。以解决对高维Gabor幅值特征分类时运算资源负荷溢出问题为出发点,本文以协同表示分类理论为基础,提出了一种基于Gabor特征的增量局部重构误差最小二乘分类算法(3D-Gabor-IRLS),通过迭代更新的方式依次对单个滤波器滤波得到的幅值特征更新协同表示系数向量以及累积类别局部重构误差,最终依据遍历所有Gabor滤波参数后的最小类别局部重构误差准则进行分类。实验部分分析了不同百分比训练样本训练分类器的分类效果,并通过与两种使用经过特征选择和PCA降维后的Gabor特征进行分类的方法对比,验证了3D-Gabor-IRLS的分类效果。将Gabor小波与卷积神经网络参数自学习的优点相结合,本文还提出了基于3-D Gabor卷积的高光谱图像分类网络结构(3D-GCNN),一方面探索多层自学习参数Gabor卷积提取抽象特征的表征能力,另一方面,通过3-D Gabor映射降低标准CNN的参数规模,以适应高光谱图像数据集训练样本稀少的特性。此外,针对3-D Gabor实虚部卷积提取得到的特征,提出对实虚部特征进行联合非线性映射的Gabor联合激活函数作为3D-GCNN的卷积单元的激活函数。实验部分在两个常用高光谱数据集上探索了不同训练样本量、不同输入像素块大小和不同层数对3D-GCNN分类效果的影响,并与三种不同方法进行对比,3D-GCNN在小样本数据集上与其他基于CNN的方法相比表现尤为突出。
【学位授予单位】:华南理工大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TP751

【相似文献】

相关期刊论文 前10条

1 陈培芝;陈水利;陈国龙;;Gabor小波和局部二值模式结合的一种人脸识别算法[J];集美大学学报(自然科学版)(网络预览本);2010年04期

2 李云章;赵静;;离散周期集上的弱Gabor双框架[J];中国科学:数学;2018年12期

3 张园园;邹策;陈晓玲;尹永浩;程生翠;陈迎亚;谢平;;基于Gabor小波-传递熵的脑-肌电信号同步耦合分析[J];生物医学工程学杂志;2017年06期

4 Ma Xin;Jing Xiaojun;;Palm vein recognition method based on fusion of local Gabor histograms[J];The Journal of China Universities of Posts and Telecommunications;2017年06期

5 吕贤利;;Gabor框架的一些判定[J];科技经济导刊;2018年01期

6 XIAO Jing;DUAN Xiusheng;QI Xiaohui;WANG Jianchen;;Direction navigability analysis of geomagnetic field based on Gabor filter[J];Journal of Systems Engineering and Electronics;2018年02期

7 史漫丽;凌龙;吴南;原娜;;基于自适应Gabor滤波的红外弱小目标检测[J];红外技术;2018年07期

8 李兴慧;武友德;李小汝;;基于Gabor变换降噪和盲信号分离的轴承故障诊断方法[J];现代制造工程;2014年08期

9 Qiao Fang LIAN;Hai Li MA;;Density Results for Subspace Multiwindow Gabor Systems in the Rational Case[J];Acta Mathematica Sinica;2013年05期

10 ;Fast parallel algorithms for discrete Gabor expansion and transform based on multirate filtering[J];Science China(Information Sciences);2012年02期

相关会议论文 前10条

1 Jin Wu;Xuejie Nian;Wankou Yang;Changyin Sun;;MPCA on Gabor Tensor for Face Recognition[A];2015年中国智能自动化学术会议论文集(第一分册)[C];2015年

2 朱学芳;邹文豪;王栾井;;对字体识别中Gabor滤波器参数的实验研究[A];第六届全国信息获取与处理学术会议论文集(1)[C];2008年

3 Kurban Ubul;Abdiryim Raxidin;Alim Aysa;;2-D Gabor Filter based Feature Extraction Method for Uyghur Handwriting Image[A];少数民族青年自然语言处理技术研究与进展——第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会论文集[C];2010年

4 黄志荣;;基于Gabor特征的人耳识别方法的研究[A];第二十六届中国(天津)2012IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2012年

5 谷建清;郭永彩;高潮;徐梅宣;;二维Gabor小波在虹膜识别中的应用[A];第七届青年学术会议论文集[C];2005年

6 ;Face recognition based on Gabor phase[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集(下)[C];2006年

7 Jiakun Li;Tian Wang;Ming Gao;Aichun Zhu;Guangcun Shan;Hichem Snoussi;;Two Stream Neural Networks with Traditional CNN and Gabor CNN for Object Classification[A];第37届中国控制会议论文集(F)[C];2018年

8 万忠义;陈辉;冯俊;胡英;;基于Gabor变换的动态反褶积方法研究[A];第十五届全国数学地质与地学信息学术研讨会论文集[C];2016年

9 ;Edge Detection of Plant Roots Image via Gabor Wavelet Theory[A];Proceedings of the 2011 Chinese Control and Decision Conference(CCDC)[C];2011年

10 顾涓涓;陶亮;罗斌;;图像的实值离散Gabor变换及其快速算法[A];第二十六届中国控制会议论文集[C];2007年

相关重要报纸文章 前3条

1 王丽辉;Gabor 时尚绿色品牌[N];中国服饰报;2006年

2 本报记者 夏商;Alter&Kiss欲进入中国市场[N];中国纺织报;2010年

3 ;仅以数据做决策存在风险[N];中国保险报;2011年

相关博士学位论文 前10条

1 马欣;手掌静脉身份识别关键技术研究[D];北京邮电大学;2018年

2 李锐;基于离散Gabor变换的信号稀疏时频表示[D];安徽大学;2016年

3 余磊;Gabor小波变换在人脸识别中的应用研究[D];重庆大学;2009年

4 傅一平;基于Gabor与小波的边缘检测理论、快速算法与实时应用研究[D];浙江大学;2004年

5 赵英男;Gabor滤波器在车辆检测和车型识别中的应用研究[D];南京理工大学;2004年

6 李文书;中医舌诊中若干图像分析关键技术的研究[D];浙江大学;2005年

7 李云峰;基于Gabor小波变换的人脸识别[D];大连理工大学;2006年

8 山世光;人脸识别中若干关键问题的研究[D];中国科学院研究生院(计算技术研究所);2004年

9 靳明;基于Gabor滤波器的军用目标识别及跟踪方法的研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2005年

10 王汇源;基于线性子空间及环形对称GABOR变换的人脸识别算法研究[D];山东大学;2007年

相关硕士学位论文 前10条

1 高畅;基于机器视觉的纱管余纱量检测研究[D];江南大学;2019年

2 柳莘莘;基于区域Gabor特征的人脸识别算法改进[D];云南大学;2018年

3 王博馨;Gabor小波参数对人脸特征的影响机理[D];西安科技大学;2019年

4 刘恬;结合方向增强型LBP与Gabor小波特征的图像检索算法研究[D];长安大学;2019年

5 陈玲;基于多尺度Gabor小波纹理提取算法研究及应用[D];武汉轻工大学;2019年

6 肖炳环;Gabor框架的系统研究[D];华北电力大学(北京);2019年

7 关倩仪;基于Gabor特征的高光谱图像空谱分类研究[D];华南理工大学;2019年

8 李绵;基于自适应方向响应编码的Gabor特征提取及融合[D];深圳大学;2018年

9 张元铭;基于HOG与Gabor特征的人脸识别算法研究[D];哈尔滨理工大学;2019年

10 苏园;智能驾驶状况下的行人检测方法研究[D];河北工程大学;2019年



本文编号:2634284

资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/gongchengguanli/2634284.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a94dd***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com