基于自适应邻域的空谱联合核高光谱图像分类方法研究

发布时间：2020-08-04 18:52

【摘要】：随着高光谱遥感处理技术的深入发展,高光谱图像分类在近年来已经越来越成为一个研究热点。高光谱图像分类技术面临着如超高的光谱分辨率、有限的训练样本及图像噪声等诸多挑战,本文基于现有的空间光谱核分类方法,充分利用高光谱图像中地物分布的特点及高光谱数据特征间的相关性,在小样本条件下,进一步提高了高光谱图像分类准确率及分类效率。本文主要研究内容有以下几个方面:(1)提出两种基于自适应邻域的空谱核高光谱图像分类方法,一种是基于边缘修正的超像素空间光谱核,通过方形窗口来对超像素边缘处像素的同质区域进行约束,达到了较好的分类效果;另一种是低秩特征诱导的空间光谱核,此方法通过假设相邻的像素更有可能是同一类地物,而同一的地物应当具有相似的光谱特征,即存在一种潜在的低秩性条件来筛选出这些同类像素来得到同质区域,进而构造出低秩特征诱导的空间光谱核。(2)提出一种组合核与空间光谱核的统一形式。组合核与空间光谱核可看做分别在原始(欧氏)空间与特征(流形)空间提取空谱信息,而流形与欧氏空间在局部是相似的,依据这一假设,本文提出一种一般化的空间光谱核。本文采取超像素作为这一局部区域,最后与多尺度超像素策略结合,提出了一种多尺度的基于邻近超像素的空谱核分类方法。此方法在没有增加额外参数的情况下进一步提高分类精度,并且达到了极高的分类效率。在真实高光谱数据集上的分类结果验证了本文方法的有效性。
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751
【图文】：

第一章 绪 论1.1 研究背景与意义高光谱成像技术是 20 世纪 80 年代初在遥感领域发展起来的新兴成像技术的硬件设备为成像光谱仪。成像光谱仪通过分光技术，将电磁波信号分解为许相邻的波段，对应波段上的能量被不同的传感器捕获，因此形成高光谱遥感图像目多、光谱分辨率高的数据特点[1]。高光谱图像的另外一个显著特点为图谱合一时记录了地物的图像和光谱信息，各个波段分别成像，因此各个波段的图像叠合形成数据立方体，每个像元在各个波段图像上的辐射值可以形成一条连续的光图 1 为高光谱遥感的原理图，同时该图也充分体现了高光谱图像的特点。高光谱像具有很高的光谱分辨率，能够提供更为丰富的地球表面信息，因此受到了国内的很大关注和广泛应用。

来进行数据处理和分类。由于其无需对数据分布进样本时与其他基于统计的方法如最大似然法相比输出可以表示如下 i iiy f w x 征，iw 是神经元之间的连接权， 是激活阈值， 输入数据加权，然后再通过激活函数 f 得到输出。断函数等。上式中的权值即是要通过训练求得的参 BP)算法是用来训练神经网络的常用算法，在得到可以直接带入上式得到分类结果，文献[14]的实验结 可以取得较好的分类结果。

第二章 几种经典的基于空谱联合核的高光谱图像分类方法是线性的分类器，在实际应用中的泛化性能较弱，接下来我们以 SVM 为例来法。核方法传统 SVM 方法而言，两类样本的模式间的分界可能并不是线性。如图 3 所问题就并非是线性可分的，一个解决此问题的方法即是将样本映射到高维空间得其在高维空间线性可分，如图 3 所示，若将此四个样本映射到三维空间中，维空间中这四个样本不在一个平面内则一定可以找到一个合适的划分超平面。令 表示将样本 x 映射后的特征向量，那么式(2.13)所对应的模型即变为

【相似文献】

相关期刊论文 前10条

1 王斌;;基于高光谱图像技术的水果表面农药残留检测观察[J];种子科技;2017年04期

2 陈绫钢;吕靖芳;;高光谱图像技术在农产品监测中的应用进展[J];北京农业;2016年01期

3 朱贞映;袁建;何荣;;粮油中高光谱图像技术的应用现状[J];粮食与饲料工业;2016年09期

4 徐爽;何建国;马瑜;梁慧琳;刘贵珊;贺晓光;;高光谱图像技术在水果品质检测中的研究进展[J];食品研究与开发;2013年10期

5 刘遵雄;蒋中慧;任行乐;;基于核方法协同表示的高光谱图像分类[J];广西大学学报(自然科学版);2019年05期

6 叶珍;白t

本文编号：2780950