基于波段选择和半监督学习的高光谱图像分类

发布时间：2022-12-07 22:30

　　近年来,遥感图像,尤其是高光谱图像在农业、环境检测、军事、外太空探索等领域中的作用逐渐增大,因此能够对高光谱图像进行快速处理、分析显得日益重要。但是由于高光谱图像的光谱特征具有高维性以及获取时云层、噪声、光谱混杂等诸多因素的影响,人们仍然需要寻找处理效果更好的方法。许多学者对于高光谱图像处理的难处从不同的方向提出了很多算法,但是这些算法有着或多或少的不足之处,比如过早地判断了一些特征的重要性或者是没有应用高光谱图像的空间信息等缺点,使得没有达到更好的效果。针对以上这两点问题,本文对一些高光谱图像的分类算法同样从多角度,不同方面展开了研究,主要包括:1)提出基于局部聚类比例排序的动态高光谱波段选择算法（DLCR）。首先,我们根据原始高光谱数据的分布来确定数据特征,即波段之间的差异大小,具体来说,我们借助阈值以及转换为二维矩阵的高光谱数据来计算相似度矩阵。其次,在波段的聚类过程中,没有考虑全局对局部的影响,而是针对每一个波段独立分析,保证波段能够正确聚类,可以有效降低波段孤立情况。最后在为波段分配等级时,是利用动态地选入,而非仅仅依靠在早期确定的等级来直接选择。最终在实验部分证明了DLCR... 

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

在IndianPines上选取波段的可视化结果

在PaviaUniversity上选取波段的可视化结果

th1对分类精度的影响


本文编号：3712983