基于生成学习的高光谱遥感图像分类算法研究

发布时间：2021-10-05 16:09

　　在遥感技术的应用中,遥感图像分类是一种非常重要的技术。近些年,高光谱遥感图像数据应用越来越广泛,无论是地表信息获取、植被覆盖率监测、还是地图制作等都与遥感分类技术是分不开的。然而,高光谱遥感数据的高维性、冗余性等特点严重影响了遥感分类技术的发展。针对高光谱遥感图像在分类中遇到的挑战,本文就数据降维、空谱特征融合、分类算法进行了研究。生成学习算法是通过总结类别的特征分布和先验概率来判断某个样本的所属类别。生成学习算法虽然解决了判别学习模型存在的一些问题,但是,其在分类中还存在许多不足之处。因此,该算法有待改进和完善。针对其不足,本文提出了改进型的分类算法,先将高光谱数据进行降维处理,然后利用线性鉴别分析将提取的光谱特征与空间特征进行降维融合,最后,在此空间中进行分类。这种改进型的分类算法不仅提高了地物的识别能力,而且也加速了分类进程。本文算法分为两步。第一步空谱特征融合,首先,利用主成分分析提取高光谱图像的光谱特征,在此基础上,利用形态学滤波算子提取高光谱图像的空间特征;然后,将所获得的两种特征进行叠加融合;最后,利用线性鉴别分析对融合特征进行进一步降维,从而获得分类的空谱特征空间。主成... 

【文章来源】：北方民族大学宁夏回族自治区

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

高光谱分类流程图

图 2-1 评价指标生成流程感图像分类中经常用到的评价分类器性能的定表 2-1 分类精度评价说明计算公式 niijiimmPA1某类被正确分与实际抽样数和）的比值 njijiimmUA1某类别正确分该类别总数的 njniijniiimmOA1 11总正确数（对数的比值

北方民族大学2018届硕士学位论文 第四章 基于生成学习的高光谱遥感图像分类 iMAP AP,AP,,AP12 (4-3)式中：APi(i=1,...,n)表示对分量 i 的属性滤波，n 代表保留的主成分个数。φi与γi分别代表增厚与变薄变换，图 4-1 给出了 MAP 的结构示意图。

【参考文献】：
期刊论文
[1]基于带有噪声输入的稀疏高斯过程的人体姿态估计[J]. 夏嘉欣,陈曦,林金星,李伟鹏,吴奇.  自动化学报. 2019(04)
[2]基于双特征高斯混合模型和双约束空间变换的配准[J]. 魏梓泉,杨扬,张愫,杨昆.  软件学报. 2018(11)
[3]高斯过程回归补偿ARIMA的网络流量预测[J]. 田中大,李树江,王艳红,王向东.  北京邮电大学学报. 2017(06)
[4]基于主成分分析与局部二值模式的高光谱图像分类[J]. 叶珍,白璘.  激光与光电子学进展. 2017(11)
[5]基于高斯过程的机器人模仿学习研究与实现[J]. 于建均,韩春晓,阮晓钢,刘涛.  北京工业大学学报. 2015(07)
[6]基于改进的高斯混合模型的运动目标检测[J]. 范文超,李晓宇,魏凯,陈兴林.  计算机科学. 2015(05)
[7]一种基于高斯混合模型的轨迹预测算法[J]. 乔少杰,金琨,韩楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ.  软件学报. 2015(05)
[8]基于人工蜂群算法优化的改进高斯过程模型[J]. 张乐,刘忠,张建强,任雄伟.  国防科技大学学报. 2014(01)
[9]基于direct LDA的高光谱遥感影像地物分类[J]. 刘敬.  计算机科学. 2011(12)
[10]HSV自适应混合高斯模型的运动目标检测[J]. 林庆,徐柱,王士同,詹永照.  计算机科学. 2010(10)

博士论文
[1]随机森林及其在遥感影像处理中应用研究[D]. 雷震.上海交通大学 2012
[2]分岔隧道设计施工优化与稳定性评价[D]. 徐冲.北京交通大学 2011

硕士论文
[1]支持向量机分类算法研究与应用[D]. 彭璐.湖南大学 2007



本文编号：3420093