张量空间FCM算法研究及其在高光谱遥感图像分类中的应用

发布时间：2017-05-26 12:00

  本文关键词：张量空间FCM算法研究及其在高光谱遥感图像分类中的应用，由笔耕文化传播整理发布。

【摘要】：高光谱遥感图像极高的光谱分辨率以及“图谱合一”的特性可以有效地对地物分类。但是由于高光谱数据高分辨率、高维数、数量大的特点,常规的图像分类方法在高光谱图像分类时有较大的限制。为此本文开展了张量FCM算法研究及其在高光谱遥感图像分类中的应用,主要内容如下：(1)本文就高光谱遥感图像的结构特点,将其映射到张量空间,探讨了张量模式下的高光谱遥感图像。首先具体介绍了张量的定义及相关的多维线性代数理论,接着介绍了张量计算的优势,最后给出了高光谱遥感图像空间-光谱特征张量描述的理论。(2)针对高光谱数据的特点,在原始高维空间做高光谱遥感图像分类会出现“维数灾难”问题,不仅会增加计算的复杂度和存储空间,而且还会降低分类精度。为解决上述不足,在做高光谱遥感图像分类的时候,使用多线性主成分分析方法(MPCA)将其降维到低维张量空间做分类,能有效提高高光谱遥感图像分类的速度和分类的准确性。使用传统模糊C均值(FCM)算法对高光谱遥感图像做分类时只考虑了样本间的光谱信息,却忽略了样本之间的空间信息,其分类效果不佳。(3)为提高分类精度,本文使用张量模糊C均值(TFCM)算法把高光谱图像映射到张量空间做图像分类,这样能够同时考虑空谱信息。实验结果表明,TFCM算法的总体分类精度有较大的提升,但是对于光谱特征比较相似地物分类效果不好。为进一步提高分类效果,提出了加权张量模糊C均值(WTFCM)算法,即给每个样本分配一个样本与剩余样本之间关系的无监督加权均值。WTFCM分类精度相比TFCM有大幅提升,但是其受加权指数m影响比较大,稳定性差。为此提出了新的加权张量模糊C均值(NWTFCM),不同与WTFCM该算法的无监督加权均值,它是样本和TFCM聚类中心之间关系的一个值。实验表明NWTFCM的分类效果要比WTFCM好,而且在稳定性上有一定的提升。
【关键词】：高光谱图像分类 张量空间 多线性主成分分析 张量模糊C均值 加权张量模糊C均值
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要6-7
• Abstract7-11
• 第一章 绪论11-17
• 1.1 课题研究背景及意义11
• 1.2 高光谱图像数据数据特点11-14
• 1.3 高光谱图像的分类14-15
• 1.4 论文主要研究内容及结构安排15-17
• 第二章 张量空间中的高光谱图像17-25
• 2.1 张量及张量代数17-20
• 2.1.1 张量Keronecker积18
• 2.1.2 矩阵Khatri-Rao积18-19
• 2.1.3 张量d阶展开19
• 2.1.4 张量内积19-20
• 2.1.5 张量的外积20
• 2.1.6 张量缩并20
• 2.2 高光谱遥感图像张量计算优势20-22
• 2.3 高光谱遥感图像张量描述22-24
• 2.3.1 高光谱图像空—谱张量描述22-23
• 2.3.2 高光谱图像多特征张量描述23-24
• 2.4 本章小结24-25
• 第三章 高光谱图像分类技术25-39
• 3.1 高光谱图像分类理论25-29
• 3.1.1 高光谱非监督分类25-26
• 3.1.2 分类精度评价26-27
• 3.1.3 实验数据27-29
• 3.2 数据降维29-33
• 3.2.1 主成分分析PCA30
• 3.2.2 多线性主成分分析(MPCA)30-31
• 3.2.3 MPCA特征值提取实验分析31-33
• 3.3 K-means聚类算法33-34
• 3.4 FCM聚类算法34-37
• 3.4.1 算法介绍34-35
• 3.4.2 FCM算法分析35
• 3.4.3 实验分析35-37
• 3.5 本章小结37-39
• 第四章 基于张量FCM算法的高光谱遥感图像分类39-56
• 4.1 张量FCM算法39-45
• 4.1.1 算法推导39-42
• 4.1.2 分类流程42-43
• 4.1.3 实验分析43-45
• 4.2 加权张量FCM算法(WTFCM)45-47
• 4.2.1 非参数的加权特征提取45-46
• 4.2.2 算法推导46-47
• 4.3 新的加权张量FCM(NWTFCM)47-48
• 4.4 实验分析48-55
• 4.4.1 数据一结果分析48-51
• 4.4.2 数据二结果分析51-55
• 4.5 本章小结55-56
• 总结与展望56-58
• 致谢58-59
• 参考文献59-63
• 攻读硕士期间发表的论文及科研成果63

【参考文献】

中国期刊全文数据库 前1条

1 李元萍,李元良;MATLAB编程实现ISODATA算法[J];矿业研究与开发;2005年03期

中国博士学位论文全文数据库 前2条

1 高恒振;高光谱遥感图像分类技术研究[D];国防科学技术大学;2011年

2 刘小军;人脸识别技术研究[D];中国科学院电子学研究所;2001年

中国硕士学位论文全文数据库 前2条

1 宫改云;FCM算法参数研究及其应用[D];西安电子科技大学;2004年

2 肖倩;结合空间信息与光谱信息的高光谱图像分类研究[D];哈尔滨工程大学;2013年

  本文关键词：张量空间FCM算法研究及其在高光谱遥感图像分类中的应用，由笔耕文化传播整理发布。

，

本文编号：396713