基于SVM与子空间结合的高光谱图像分类算法研究

发布时间：2017-10-30 23:10

  本文关键词：基于SVM与子空间结合的高光谱图像分类算法研究

  更多相关文章： 高光谱图像分类 高光谱噪声 SVM 子空间

【摘要】：高光谱遥感的发展使得遥感图像分类在遥感学上又上了一个崭新的台阶，高光谱遥感已经成为遥感领域的前沿科技，其中高光谱图像分类技术已经成为高光谱遥感处理领域的研究热点，高光谱遥感的诸多特点保证了高光谱遥感图像应用于地物分类的高精确性和有效性，但同时高光谱图像的一些特点却使得高光谱分类过程中遇到了阻碍和制约，如“维数灾难”，，噪声现象和小样本等问题。目前，国内外很多学者都在致力于解决这些高光谱分类遇到的困难和矛盾，并取得了各个方面的有价值的进展。 本文提出了一种针对于高光谱图像的监督分类算法，支持向量机(Support VectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势。子空间投影方法最初是线性特征抽取和数据压缩的产物，其作用是将矢量形式给出的数据压缩到能量集中的主轴上，实现数据从高维空间向低维空间映射。本文实现了将支持向量机与子空间方法结合并利用LIBSVM工具箱对高光谱图像数据的分类，且通过严密的验证方法对实验结果进行了验证，证明本文的方法科学、可行，并具有很高的实际应用价值。
【关键词】：高光谱图像分类 高光谱噪声 SVM 子空间
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P237;TP751
【目录】：

• 摘要2-3
• ABSTRACT3-4
• 目录4-6
• 1 绪论6-14
• 1.1 研究背景和研究意义6-8
• 1.1.1 研究背景6
• 1.1.2 研究目的6-7
• 1.1.3 研究意义7-8
• 1.2 国内外研究现状8-10
• 1.2.1 高光谱遥感及分类8-9
• 1.2.2 子空间理论9
• 1.2.3 支持向量机(SVM)9-10
• 1.2.4 LIBSVM 工具箱10
• 1.3 研究技术路线及论文结构10-14
• 1.3.1 研究思路10-12
• 1.3.2 研究内容12
• 1.3.3 拟解决的问题12
• 1.3.4 技术路线12-13
• 1.3.5 论文组织结构13-14
• 2 高光谱遥感14-19
• 2.1 高光谱遥感简介14-16
• 2.1.1 高光谱遥感14
• 2.1.2 高光谱遥感图像14-16
• 2.2 高光谱遥感分类16-19
• 2.2.1 高光谱遥感分类特点16-17
• 2.2.2 高光谱遥感分类算法17
• 2.2.3 高光谱遥感分类精度评价17-19
• 3 基于高光谱遥感图像的 SVM 和子空间原理19-26
• 3.1 高光谱遥感图像子空间方法原理19-21
• 3.1.1 子空间方法原理理论19-20
• 3.1.2 高光谱遥感图像的子空间20-21
• 3.2 基于高光谱遥感图像 SVM 分类原理21-26
• 3.2.1 SVM 分类原理21-24
• 3.2.2 高光谱遥感图像 SVM 分类24
• 3.2.3 LIBSVM 工具箱使用介绍24-26
• 4 基于 SVM 和子空间结合的高光谱图像分类方法26-37
• 4.1 实验方案设计26
• 4.2 数据处理及实验26-36
• 4.2.1 研究区域26-29
• 4.2.2 数据及预处理29-30
• 4.2.3 实验及结果评价30-36
• 4.3 本章小结36-37
• 5 总结与展望37-39
• 5.1 总结37-38
• 5.1.1 研究成果总结37
• 5.1.2 理论总结37-38
• 5.2 展望38-39
• 5.2.1 应用展望38
• 5.2.2 技术展望38-39
• 致谢39-40
• 参考文献40-44
• 附录44

【共引文献】

中国期刊全文数据库 前10条

1 苑津莎;张利伟;王瑜;尚海昆;;基于极限学习机的变压器故障诊断方法研究[J];电测与仪表;2013年12期

2 张凯;赵建虎;王锲;;基于支持向量机的水下地形匹配导航中适配区划分方法研究[J];大地测量与地球动力学;2013年06期

3 周任军;赵慧材;方昀晖;刘巍;;采用支持向量机图形用户界面的电力负荷组合预测方法[J];电力科学与工程;2013年12期

4 郝理阳;潘泉;;基于融合核方程对药物-靶点作用预测研究[J];电子设计工程;2013年23期

5 王文;王成刚;李建海;杨帆;;基于SVR的电工实验装置故障预测方法研究[J];电气电子教学学报;2013年06期

6 SUN Juelu;;An improved method to distinguish between scanned and rasterized document images[J];Baosteel Technical Research;2014年01期

7 欧阳纯萍;阳小华;雷龙艳;徐强;余颖;刘志明;;多策略中文微博细粒度情绪分析研究[J];北京大学学报(自然科学版);2014年01期

8 李雅倩;李颖杰;李海滨;张强;张文明;;融合全局与局部多样性特征的人脸表情识别[J];光学学报;2014年05期

9 李姜;郭立红;;基于改进支持向量机的目标威胁估计[J];光学精密工程;2014年05期

10 王晓春;黄靖;杨丰;罗蔓;;基于SVM模型参数优化的多模态MRI图像肿瘤分割方法[J];南方医科大学学报;2014年05期

中国重要会议论文全文数据库 前4条

1 钱志明;杨家宽;段连鑫;;基于视频的车辆检测与跟踪研究进展[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

2 朱强华;郑铁然;韩纪庆;;行车环境下基于二值语谱图的声学事件检测[A];第十二届全国人机语音通讯学术会议（NCMMSC'2013）论文集[C];2013年

3 YAN Jun-wei;Zhou Yu;ZHOU Xuan;;Study on Operation Energy Efficiency Model of Chiller Based on SVR[A];第26届中国控制与决策会议论文集[C];2014年

4 蔡英凤;王海;陈小波;;基于多部件RBM模型的部分遮挡车辆检测[A];2014第九届中国智能交通年会大会论文集[C];2014年

中国博士学位论文全文数据库 前10条

1 王永慧;板带钢缺陷图像的多体分类模型及识别技术研究[D];东北大学　;2009年

2 王宝勋;面向网络社区问答对的语义挖掘研究[D];哈尔滨工业大学;2013年

3 常广;高压断路器振动监测与故障诊断的研究[D];北京交通大学;2013年

4 姜恩宇;基于直肠感知功能重建的人工括约肌系统研究[D];上海大学;2013年

5 邵喜高;基于统计学习理论的多核预测模型研究及应用[D];中南大学;2013年

6 木瑞塔（Murtada Khalafallah Elbashir Elfaki）;基于机器学习和统计方法的蛋白质结构特征预测[D];中南大学;2013年

7 张国鹏;三维纹理分析在虚拟结肠镜计算机辅助检测/诊断中的应用研究[D];第四军医大学;2013年

8 邓盛川;具有调峰炉的热力站节能控制策略研究[D];哈尔滨工业大学;2012年

9 李翔;隧道工程稳定可靠度计算分析方法研究[D];湖南大学;2012年

10 张志敏;化学计量学算法实现的软件开发基础研究[D];中南大学;2012年

中国硕士学位论文全文数据库 前10条

1 马静;基于数据不平衡的SVM方法预测microRNA[D];燕山大学;2013年

2 冉沛;基于特征提取的篡改图像取证研究[D];重庆大学;2013年

3 刘峰;基于多目标优化的多标签分类算法参数调谐研究[D];南京师范大学;2013年

4 袁建洲;风电场短期功率预测方法的研究[D];南昌大学;2013年

5 周明辉;运动车辆车牌识别算法的研究与实现[D];昆明理工大学;2013年

6 张轶;干扰量化类隐写的检测[D];解放军信息工程大学;2013年

7 李家魁;基于序列进化信息的蛋白质预测研究[D];东北师范大学;2013年

8 王星;利用聚类后PCA方法的T细胞表位预测研究[D];东北师范大学;2013年

9 魏雅娟;暗视场浮游动物图像自动识别方法研究[D];中国海洋大学;2013年

10 刘毅;基于内容的敏感图像识别技术研究[D];北京工业大学;2013年

本文编号：1119719