基于超像素核主成分分析的高光谱影像降维与分类研究

发布时间：2021-05-11 16:56

　　降维是高光谱影像应用中重要的预处理步骤,特别是在小样本情况下。本研究提出了一种名为超像素核主成分分析（superpixelwise kernel principal component analysis,SuperKPCA）的降维方法。它通过对经图像分割算法得到的各同质区域（超像素）执行核主成分分析（kernel principal component analysis,KPCA）,能在利用超像素挖掘空间信息的同时,通过核方法处理高光谱影像中广泛存在的非线性特征。执行SuperKPCA需要选择合适的图像分割算法。熵率超像素分割（entropy rate superpixel segmentation,ERS）和简单线性迭代聚类（simple linear iterative clustering,SLIC）分别是基于图和基于梯度的图像分割算法中应用非常广泛的两种算法。因此,本研究详细对比了使用这两种图像分割算法执行SuperKPCA的效果差异。ERS和SLIC的输入影像均为灰度或RGB图,但高光谱影像通常包含数百个波段。因此,对于这两种分割算法,本研究亦对比了当分别使用由主成分分析（p... 

【文章来源】：西南大学重庆市 211工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 研究内容与技术路线
    1.4 论文组织
第2章 数据与方法
    2.1 概述
    2.2 数据集
    2.3 超像素分割算法
    2.4 多尺度分割策略
    2.5 核主成分分析
    2.6 决策融合
    2.7 分类精度评价
第3章 基于ERS分割的超像素核主成分分析
    3.1 实验设计
    3.2 参数分析
    3.3 融合基于不同基础影像的多尺度分类结果
第4章 基于SLIC分割的超像素核主成分分析
    4.1 实验设计
    4.2 参数分析
    4.3 融合基于不同基础影像的多尺度分类结果
第5章 与其他降维方法的比较
    5.1 降维效果
    5.2 运行时间
第6章 结论与展望
    6.1 研究结论
    6.2 未来研究展望
参考文献
致谢
在校期间发表的论文及参加的课题


【参考文献】：
期刊论文
[1]工矿业城市区域水质参数高光谱定量反演[J]. 彭令,梅军军,王娜,徐素宁,刘文波,邢顾莲,陈启浩.  光谱学与光谱分析. 2019(09)
[2]农业高光谱遥感研究进展及发展趋势[J]. 陈云浩,王思佳,赵逸飞,王明国.  地理与地理信息科学. 2019(05)
[3]中国高光谱遥感的前沿进展[J]. 童庆禧,张兵,张立福.  遥感学报. 2016(05)
[4]高光谱图像处理与信息提取前沿[J]. 张兵.  遥感学报. 2016(05)
[5]高光谱遥感影像分类研究进展[J]. 杜培军,夏俊士,薛朝辉,谭琨,苏红军,鲍蕊.  遥感学报. 2016(02)

硕士论文
[1]基于深度学习的高光谱图像无监督空谱联合特征提取[D]. 毛贻顺.西安电子科技大学 2019
[2]基于超像素分割的高光谱图像特征变换和分类算法研究[D]. 邓彬.深圳大学 2018
[3]基于核MNF变换的高光谱数据降维算法研究[D]. 赵斌.中国科学院大学(中国科学院遥感与数字地球研究所) 2017



本文编号：3181767