基于稀疏表示的高光谱图像分类和异常检测研究

发布时间：2017-04-10 15:15

  本文关键词：基于稀疏表示的高光谱图像分类和异常检测研究，，由笔耕文化传播整理发布。

【摘要】：高光谱图像分类和异常检测是一种在高空使用遥感传感器采集地面物体电磁波反射并对其进行模式分类和异常点发现的技术。相对于传统的多光谱遥感,高光谱遥感能够将图像的空间维信息和光谱反射特性曲线有机的结合,为高光谱图像处理技术创造了有利的条件。基于稀疏表示的高光谱图像分类和异常检测是本文主要研究方向,本文的主要工作及研究成果为以下几个方面：1.介绍了本论文的研究背景及意义,查阅了高光谱图像分类和异常检测的国内外研究现状,分析了高光谱影像的数据特点及描述方法。2.阐述了数据降维技术基本原理,重点介绍了几种典型的数据降维算法及其特点,对高光谱图像的分类和异常检测进行研究,详细介绍了几种基于机器学习的有监督分类问题和无监督聚类算法。3.介绍了一种基于稀疏保留的高光谱图像特征提取算法,在此基础上提出一种基于稀疏和低秩表示图的特征提取算法,并结合支持向量机分类器设计了高光谱图像分类的流程。通过在三个高光谱数据集上的实验,分析实验结果,验证所提出方法的有效性。4.分析了常用于高光谱图像异常检测的RX算法特点,针对RX算法存在的不足,提出一种基于稀疏表示对RX算法进行改进的异常检测方法,并在两个高光谱数据集进行实验,验证所提出方法的有效性。
【关键词】：高光谱图像 模式分类 异常检测 稀疏表示 低秩表示 特征提取
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要5-7
• ABSTRACT7-13
• 第一章 绪论13-19
• 1.1 课题背景及研究意义13
• 1.2 高光谱图像数据特性分析13-16
• 1.2.1 高光谱数据的描述13-15
• 1.2.2 高光谱数据的特性15-16
• 1.3 当前研究现状16-17
• 1.3.1 高光谱图像分类研究现状16-17
• 1.3.2 高光谱图像异常检测研究现状17
• 1.4 论文内容与组织结构17-19
• 第二章 高光谱图像数据处理技术19-31
• 2.1 数据降维技术研究19-24
• 2.1.1 波段选择方法20
• 2.1.2 特征提取方法20-24
• 2.2 高光谱图像分类技术介绍24-29
• 2.2.1 无监督分类24
• 2.2.2 有监督分类24-29
• 2.3 高光谱图像异常检测技术介绍29-30
• 2.4 本章小结30-31
• 第三章 基于稀疏表示的高光谱图像特征提取与分类31-55
• 3.1 基于稀疏表示图的高光谱图像特征提取31-34
• 3.1.1 稀疏表示模型31-32
• 3.1.2 图嵌入保留模型32-33
• 3.1.3 基于稀疏表示图的特征提取33-34
• 3.2 基于稀疏和低秩表示图的高光谱图像特征提取34-38
• 3.3 实验内容与结果分析38-54
• 3.3.1 University of Pavia数据集实验分析39-44
• 3.3.2 Indian Pines数据集实验分析44-49
• 3.3.3 Salinas数据集实验分析49-54
• 3.4 本章小结54-55
• 第四章 基于稀疏表示的高光谱图像异常检测55-67
• 4.1 RX异常检测算法55-56
• 4.2 基于近邻稀疏表示对RX算法改进的异常检测56-59
• 4.3 实验结果及分析59-66
• 4.3.1 实验评价指标59-60
• 4.3.2 Indian Pines数据集实验分析60-63
• 4.3.3 Hymap数据集实验分析63-66
• 4.4 本章小结66-67
• 第五章 结论与展望67-69
• 5.1 结论67
• 5.2 展望67-69
• 参考文献69-73
• 致谢73-75
• 研究成果及发表的学术论文75-77
• 作者和导师简介77-78
• 硕士研究生学位论文答辩委员会决议书78-79

【相似文献】

中国期刊全文数据库 前10条

1 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期

2 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期

3 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期

4 张佳宇;彭力;;基于联合动态稀疏表示方法的多图像人脸识别算法[J];江南大学学报(自然科学版);2014年03期

5 查长军;孙南;张成;韦穗;;基于稀疏表示的特定目标识别[J];吉林大学学报(工学版);2013年01期

6 朱启兵;杨宝;黄敏;;基于核映射稀疏表示分类的轴承故障诊断[J];振动与冲击;2013年11期

7 王国权;张扬;李彦锋;王丽芬;马晓梅;;一种基于稀疏表示的图像去噪算法[J];工业仪表与自动化装置;2013年05期

8 耿耀君;张军英;;一种基于投影稀疏表示的基因选择方法[J];哈尔滨工程大学学报;2011年08期

9 翟懿奎;甘俊英;徐颖;曾军英;;快速稀疏表示指背关节纹识别及其并行实现[J];吉林大学学报(工学版);2012年S1期

10 詹永照;张珊珊;成科扬;;基于非线性可鉴别的稀疏表示视频语义分析方法[J];江苏大学学报(自然科学版);2013年06期

中国重要会议论文全文数据库 前3条

1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集（上册）[C];2013年

2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年

3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年

5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年

8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年

9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年

2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年

3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年

4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年

9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年

10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

  本文关键词：基于稀疏表示的高光谱图像分类和异常检测研究，由笔耕文化传播整理发布。

本文编号：296975