偏振高光谱图像场景仿真及分类方法研究

发布时间：2017-06-10 02:05

  本文关键词：偏振高光谱图像场景仿真及分类方法研究，，由笔耕文化传播整理发布。

【摘要】：偏振高光谱遥感结合了高光谱与偏振信息的特点,是一种新型遥感探测方式。高光谱图像包含了地物丰富的空间、辐射和光谱三重信息,而偏振遥感能够在复杂的背景中提取目标的七维信息,解决传统遥感所不能解决的诸多问题。偏振高光谱由于兼具高光谱遥感和偏振遥感的双重优势,因此近年来日益受到关注。本文从仿真和应用角度出发,研究了偏振高光谱场景成像以及分类识别问题,具体工作内容如下:首先对高光谱场景成像模型进行了深入研究,并在此基础上加入偏振信息从而建立了偏振高光谱仿真模型。由于地物的光谱、偏振特征直接受其二向反射特性的影响,而双向反射分布函数可用于描述由于目标的物理、化学特性以及纹理结构不同所形成入射电磁波向四面八方散射的现象,因此重点研究了场景中墙壁表面的双向反射特性,分析了太阳光和墙壁之间的镜面反射、定向散射和均匀漫反射作用,并在此基础上对偏振高光谱成像模型加以改造,实现场景仿真。然后从应用角度出发,研究了偏振高光谱多源图像获取以及多维度信息提取方法。为了充分利用数据包含的信息,本文提取了光谱、空间和偏振多重信息,偏振高光谱多维度信息的正确提取是后续特征提取和分类研究顺利进行的前提。由于监督特征提取方法在偏振高光谱数据小样本分类时存在信息浪费问题,本文研究了结合已知样本可分信息和未知样本结构信息的半监督特征提取方法并利用支持向量机算法进行了分类,通过与其他特征提取方法进行对比实验,验证了该半监督特征提取方法的有效性。论文最后进行了偏振高光谱图像基于半监督支持向量机的分类方法研究。针对偏振信息不稳定、支持向量机算法对偏振高光谱提取的偏振信息在小样本情况下分类精度不理想的问题,研究了基于标签均值的半监督支持向量机分类算法。实验证明,加入合理数量的未标记样本有助于改善小样本情况下的分类效果。偏振高光谱数据提取的强度信息反映了物体的几何特征以及纹理结构,偏振度信息反映了其电导特性以及表面粗糙度,偏振角信息则反映了物体表面小面元的方向信息,因此综合利用上述多特征信息可以突破光谱或偏振信息独立描述的局限性。本文对上述具有不同意义的三类特征的分类结果进行了决策级融合研究,从而实现了偏振高光谱图像分类。实验证明该方法较光谱分类结果准确度更高。
【关键词】：偏振高光谱 场景成像 双向反射 多维度信息 半监督分类
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-18
• 1.1 课题背景及研究的目的和意义9-10
• 1.2 国内外在该方向的研究现状及分析10-16
• 1.2.1 偏振高光谱仿真研究现状10-12
• 1.2.2 双向反射分布函数(BRDF)模型研究现状12-13
• 1.2.3 偏振高光谱信息处理及应用的研究现状13-14
• 1.2.4 半监督学习理论及研究进展14-16
• 1.3 本文主要研究内容及结构安排16-18
• 第2章 偏振高光谱遥感场景成像18-33
• 2.1 高光谱场景成像模型18-23
• 2.1.1 地面场景模型18-21
• 2.1.2 大气场景模型21-23
• 2.2 由高光谱场景成像到偏振高光谱场景成像23-24
• 2.3 双向反射分布函数24-29
• 2.3.1 基于物理基础的BRDF模型25-28
• 2.3.2 模型的相关实验及分析28-29
• 2.4 基于BRDF模型的偏振高光谱场景成像分析29-32
• 2.4.1 基于BRDF的墙壁二次散射原理分析29-31
• 2.4.2 场景成像结果及分析31-32
• 2.5 本章小结32-33
• 第3章 偏振高光谱图像获取及多维度信息提取33-50
• 3.1 偏振高光谱成像原理及图像获取33-39
• 3.1.1 偏振高光谱成像原理33-34
• 3.1.2 偏振的Stokes矢量描述34-37
• 3.1.3 多角度偏振图像的获取37-39
• 3.2 偏振高光谱多维度信息提取39-41
• 3.3 面向偏振高光谱分类的半监督特征提取41-44
• 3.3.1 局部线性判别分析LFDA42-43
• 3.3.2 邻域保持嵌入NPE43-44
• 3.3.3 半监督SLDA方法44
• 3.4 实验及分析44-49
• 3.4.1 实验数据说明45
• 3.4.2 多维度信息提取实验45-46
• 3.4.3 半监督特征提取实验46-49
• 3.5 本章小结49-50
• 第4章 基于半监督支持向量机的偏振高光谱图像分类50-65
• 4.1 半监督支持向量机算法50-52
• 4.1.1 基于组合的半监督支持向量机51
• 4.1.2 基于连续的半监督支持向量机51-52
• 4.2 基于标签均值的半监督支持向量机分类算法52-59
• 4.2.1 基于标签均值的半监督支持向量机学习（mean-S3VM）52-54
• 4.2.2 半监督支持向量机多分类算法54-56
• 4.2.3 偏振图像监督/半监督分类算法实验结果及分析56-59
• 4.3 基于决策级融合的偏振高光谱分类59-64
• 4.3.1 决策级融合59-61
• 4.3.2 加权冲突分配法61-62
• 4.3.3 融合实验结果及分析62-64
• 4.4 本章小结64-65
• 结论65-66
• 参考文献66-71
• 攻读硕士学位期间发表的论文及其它成果71-73
• 致谢73

【参考文献】

中国期刊全文数据库 前3条

1 赵亚丽;赵亚娜;李仲凷;陈月玲;;偏振光在医药学实验教学中的应用[J];甘肃中医;2009年09期

2 弓洁琼;詹海刚;刘大召;;遥感遥测中偏振信息的研究进展[J];光谱学与光谱分析;2010年04期

3 蔡秋枫;;基于有监督保持邻域嵌入人脸识别[J];计算机应用;2009年12期

中国硕士学位论文全文数据库 前2条

1 陈加伟;偏振高光谱成像建模与仿真[D];哈尔滨工业大学;2011年

2 孙天琳;水生植物与水体混合像元的偏振高光谱特征分析[D];东北师范大学;2013年

  本文关键词：偏振高光谱图像场景仿真及分类方法研究，由笔耕文化传播整理发布。

本文编号：437152