感兴趣目标特征提取的方法研究

发布时间：2021-09-23 02:50

　　随着科技的发展,指纹、人脸识别、虹膜、DNA、遥感等获取目标信息的技术方兴未艾。所采集的数据日益庞大,普遍存在数据量增长很快但同时目标信息获得偏少的情形,典型的数据分析与处理算法在对数据进行分析处理时往往不能得到希望的效果,有些时候还会出现彻底失效的情况。通常在尚未对数据进行分析和处理之前,就开始进行目标特征的提取或选择,使那些不相关的特征被消除,抽取信息量最大,最具相关性的特征,进而为后续工作的开展奠定基础。本文对常用的特征提取方法进行了分析和研究,并在这个基础上进行了有效算法的开发,其主要内容如下:1、针对遥感数据,基于主成分变换（PCA）设计了FPCR-ISODATA（Forward Principal components rotation-iterative self-organizing data analysis techniques algorithm）算法。该算法核心是前置主成分旋转与迭代自组织数据分析算法的组合,并将其成功应用于遥感大数据处理,提取感兴趣的目标地物。由于相邻光谱数据的相关性（比如可见光）,引入主成分（PC）旋转来产生不相关的成分输出,再进行ISODA... 

【文章来源】：苏州大学江苏省 211工程院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

上海青浦土地利用变化图（1986～2007年）

图 3-3 20 年上海青浦土地利用面积变化由实验结果可得，上海青浦区在上个世纪 80 年代，例如 1986 年和 1989 年，点（红色）是分开的，小的，连续的大块面积用于农业生产（水稻或蔬菜）。 纪 90 年代，乡镇特别是在东北角扩张，居民点之间有更多的联系;同时，农业面

SVA与SLR两种算法对模拟数据特征提取性能对比


本文编号：3404880