高光谱图像降维的思路_高光谱图像分类及端元提取方法研究

发布时间：2016-12-03 10:42

  本文关键词：高光谱数据降维及端元提取，由笔耕文化传播整理发布。

《哈尔滨工程大学》 2012年

高光谱图像分类及端元提取方法研究

齐滨  

【摘要】：高光谱遥感是将目标探测技术与光谱成像技术相结合的多维地物信息获取技术，可以同时获取描述地物分布的二维空间信息与描述地物光谱特征属性的一维光谱信息。随着光谱分辨率的不断增加，人们对地物光谱特征的认知能力也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现。“端元”为高光谱数据中可以详尽表示待测地物光谱属性的纯像素，获得的端元向量通常作为高光谱图像处理算法的先验知识，因此得到的端元向量是否可以突出地反映待研究地物的光谱属性信息，对其他高光谱算法的处理精度起到极其重要的作用。相对于多光谱遥感而言，，高光谱遥感具有更加丰富的地物光谱信息，可以详尽地反映待测地物细微的光谱属性，其较宽的波谱覆盖范围使得在高光谱数据处理时，可以根据需要选择特定的波段来突显地物特征，为高光谱数据处理算法提供更多的地物原始数据，使地物光谱信息的精确处理与分析成为可能。但是由于高光谱图像具有较高的数据维数，使常规的图像处理方法在处理高光谱图像时有较大的限制。为此本文从分析基本高光谱遥感图像处理理论和现有算法及相关学科技术入手，重点研究了高光谱遥感图像的特征降维、端元提取以及分类处理方法。 在特征降维方面，当训练样本较少时，高光谱数据的分类精度受到严重的影响。通常解决这种现象的办法是对原始数据进行特征降维处理，然而多数特征降维算法无法直接给出最优降维特征数。为此提出利用蒙特卡罗随机实验可以对特征参量进行统计估计的特性，计算高光谱图像的最优降维波段数，并与相关向量机结合，对降维后的数据进行分类。实验结果表明了使用蒙特卡罗算法求解降维波段数的可靠性。相比较原始未降维数据，高光谱图像经过蒙特卡罗特征降维算法处理后，分类精度有较大幅度的提高。 在高光谱端元提取方面，通过对各种算法的分析，主要研究端元提取效果较好的N-FINDR算法。然而样本的排序对该算法的端元提取会造成一定影响，并且传统N-FINDR算法需要根据端元的个数进行降维处理，从而限制了该算法的应用。实际高光谱数据中存在的同一地物在高维空间中非紧密团聚现象也对端元提取增加了难度。为此提出改进的算法停机准则和数据特征预处理方法，并使用支持向量机对提取到的端元进行二次提取。实验结果表明，改进的停机准则进一步增加了由端元向量组组成的凸体体积。数据特征预处理和基于支持向量机的二次端元提取分别提升了数据的可分性和提取到端元的精度。 在高光谱图像分类方面，模糊C-均值聚类算法因算法简单、收敛速度快等优点受到广泛的关注。然而由于高光谱数据的维数较高，其光谱波段的非线性特性使得传统模糊C-均值聚类算法无法在原始空间得到较好的聚类结果。另外，模糊C-均值聚类算法在计算聚类中心时，仅使用了各样本对聚类中心的隶属度，忽略了样本之间固有存在的空间分布特征。为此提出了模糊核加权C-均值聚类算法，在计算模糊核聚类中心时，根据样本的空间分布特征，为每个样本分配不同的权值，使得每个核聚类中心随着样本的不同而各有不同。标准数据和实际高光谱数据的实验结果均表明，相比较传统模糊C-均值聚类算法，模糊核加权C-均值聚类算法在总体分类精度上有较大的提高。 支持向量机被广泛使用在高光谱数据分类中，使用传统支持向量机对高光谱图像进行分类时，认定每个特征波段拥有相同的权值。然而在小样本高光谱图像分类中，由于冗余波段的影响，极容易造成“维数灾难”现象，使得分类精度严重下降。为此提出两种特征加权支持向量机以消除“维数灾难”现象，提高高光谱图像分类的精度：1)ReliefF特征加权支持向量机(RSVM)，2)模糊ReliefF特征加权支持向量机(FRSVM)。实验选取玉米种子图像和公开使用的高光谱数据图像作为实验数据。相对比传统支持向量机，提出的两种加权算法均提高了高光谱图像分类的精度，并且降低了“维数灾难”的影响。

【关键词】：
【学位授予单位】：哈尔滨工程大学
【学位级别】：博士
【学位授予年份】：2012
【分类号】：TP751
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【引证文献】

中国硕士学位论文全文数据库 前2条

1 史崇升;基于高光谱成像技术的马铃薯外部品质无损检测建模及优化研究[D];宁夏大学;2014年

2 路漫漫;融合PSO的N-FINDR改进端元提取算法研究[D];大连海事大学;2014年

【参考文献】

中国期刊全文数据库 前10条

1 刘伟;冯伍法;任利华;;改进相似性测度的高光谱影像FCM聚类分析[J];测绘工程;2008年05期

2 高新波,裴继红,谢维信;模糊c-均值聚类算法中加权指数m的研究[J];电子学报;2000年04期

3 魏立梅,谢维信;对手抑制式模糊C-均值算法[J];电子学报;2000年07期

4 王宏伟,詹荣开,贺汉根;基于模糊聚类的改进模糊辨识方法[J];电子学报;2001年04期

5 高学,金连文,尹俊勋,黄建成;一种基于支持向量机的手写汉字识别方法[J];电子学报;2002年05期

6 王泽,朱贻盛,李音;独立分量分析在混沌信号分析中的应用[J];电子学报;2002年10期

7 高新波,李洁,姬红兵;基于加权模糊c均值聚类与统计检验指导的多阈值图像自动分割算法[J];电子学报;2004年04期

8 李昆仑,黄厚宽,田盛丰;模糊多类SVM模型[J];电子学报;2004年05期

9 乔玉龙,潘正祥,孙圣和;一种改进的快速k-近邻分类算法[J];电子学报;2005年06期

10 邢宗义;张永;侯远龙;贾利民;;基于模糊聚类和遗传算法的具备解释性和精确性的模糊分类系统设计[J];电子学报;2006年01期

中国博士学位论文全文数据库 前10条

1 杨国鹏;基于机器学习方法的高光谱影像分类研究[D];解放军信息工程大学;2010年

2 郭俊先;基于高光谱成像技术的棉花杂质检测方法的研究[D];浙江大学;2011年

3 陈进;高光谱图像分类方法研究[D];国防科学技术大学;2010年

4 刘伟东;高光谱遥感土壤信息提取与挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2002年

5 张兵;时空信息辅助下的高光谱数据挖掘[D];中国科学院研究生院（遥感应用研究所）;2002年

6 刘志刚;支撑向量机在光谱遥感影像分类中的若干问题研究[D];武汉大学;2004年

7 李智勇;高光谱图像异常检测方法研究[D];国防科学技术大学;2004年

8 耿修瑞;高光谱遥感图像目标探测与分类技术研究[D];中国科学院研究生院（遥感应用研究所）;2005年

9 刘春红;超光谱遥感图像降维及分类方法研究[D];哈尔滨工程大学;2005年

10 路威;面向目标探测的高光谱影像特征提取与分类技术研究[D];中国人民解放军信息工程大学;2005年

【共引文献】

中国期刊全文数据库 前10条

1 赵晶莹;郭海;孙兴滨;;基于小波分析及改进KNN的红虫识别研究[J];安徽农业科学;2009年29期

2 张振伟;马建琴;程瑶;;基于模糊对向传播神经网络的水库径流预报[J];安徽农业科学;2010年01期

3 苏瑞;;基于层次的模糊K均值聚类算法研究[J];安阳师范学院学报;2010年02期

4 汪廷华;田盛丰;黄厚宽;廖年冬;;样本属性重要度的支持向量机方法[J];北京交通大学学报;2007年05期

5 胡胜海;徐鹏;何蕾;杨奇;富威;;基于支持向量机的舰炮自动弹库方案决策研究[J];兵工学报;2011年11期

6 卓力;肖竹;王素玉;李晓光;朱青;;基于谱间预测和小波变换的成像光谱图像压缩算法[J];北京工业大学学报;2010年08期

7 宋昊苏;李宁;张伟;;VSM模型在文档结构识别中的应用[J];北京信息科技大学学报(自然科学版);2011年06期

8 刘芸;唐发根;林广艳;;一种改进的近似支持向量机算法[J];北京航空航天大学学报;2007年09期

9 刘敬伟;徐美芝;;Bezdek型模糊属性C均值聚类算法[J];北京航空航天大学学报;2007年09期

10 康家银;闵乐泉;;基于顾及像素空间信息的加权FCM聚类的图像分割[J];北京科技大学学报;2008年09期

中国重要会议论文全文数据库 前10条

1 李俊峰;杨瑷萍;戴文战;潘海鹏;;基于灰色绝对关联度和LOG算子的图像边缘检测算法研究[A];第二十六届中国控制会议论文集[C];2007年

2 ;Novel Hybrid Clustering Algorithm Incorporating Artificial Immunity into Fuzzy Kernel Clustering for Pattern Recognition[A];第二十六届中国控制会议论文集[C];2007年

3 王克刚;耿国华;;基于小波平滑直方图的模糊聚类图像分割方法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

4 闫晓飞;陈良臣;孙功星;;支持向量机多类分类算法的研究[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年

5 毛承胜;胡斌;;普适环境下基于EEG的身份识别方法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

6 黄良辉;陈常青;赵婷;;一种基于模糊聚类思想的评价结果组合模型[A];2006中国控制与决策学术年会论文集[C];2006年

7 ;Research on Amplifier Performance Evaluation Based on Feature Double Weighted Support Vector Machine[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

8 蔚瑞华;徐立鸿;;基于T-S模糊模型的广义模糊神经网络的系统辨识[A];第25届中国控制会议论文集（上册）[C];2006年

9 张春月;李晓奇;;基于SPSS的模糊聚类分析[A];第七届中国不确定系统年会论文集[C];2009年

10 冯祎;李霞;;一种K最近邻分类的改进算法及应用[A];2011年全国通信安全学术会议论文集[C];2011年

中国博士学位论文全文数据库 前10条

1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年

2 林颖;基于水平集方法的图像分割关键技术研究[D];哈尔滨工程大学;2010年

3 余磊;基于认知科学的计算机围棋博弈问题的研究[D];华东师范大学;2011年

4 郑光辉;江苏部分地区土壤属性高光谱定量估算研究[D];南京大学;2011年

5 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年

6 杨国鹏;基于机器学习方法的高光谱影像分类研究[D];解放军信息工程大学;2010年

7 皋军;智能识别中的降维新方法及其应用研究[D];江南大学;2010年

8 杨剑锋;适合并行的无干预文档聚类算法研究[D];武汉大学;2010年

9 王雷光;基于非模糊均值漂移的高空间分辨率遥感影像区域分割算法研究[D];武汉大学;2009年

10 谢莉青;基于图像处理分析的机织物构成要素的综合识别方法与装置[D];东华大学;2010年

中国硕士学位论文全文数据库 前10条

1 李硕;基于Vis/NIR光谱不同粒径下土壤碳氮的预测研究[D];华中农业大学;2010年

2 刘涛;遥感图像分块分类技术的研究与应用[D];山东科技大学;2010年

3 王林吉;基于CIELAB均匀颜色空间和聚类算法的混纺测色研究[D];浙江理工大学;2010年

4 宋晓玥;基于TDPCA与SPIHT的高光谱压缩和降维算法研究[D];哈尔滨工程大学;2009年

5 邓禄群;高光谱图像类别信息相关技术研究[D];哈尔滨工程大学;2010年

6 王文姝;基于模糊理论的关键词识别算法研究[D];哈尔滨工程大学;2010年

7 胡春梅;基于数据源优化的高光谱图像异常检测算法研究[D];哈尔滨工程大学;2010年

8 姜荣;时间序列的聚类和关联规则挖掘研究[D];辽宁师范大学;2010年

9 梅丽;人类启动子识别算法研究[D];辽宁师范大学;2010年

10 王琳;支持向量机及相关理论研究[D];辽宁师范大学;2010年

【同被引文献】

中国期刊全文数据库 前10条

1 陈守满;;高光谱图像与农产品品质无损检测研究进展[J];安康学院学报;2011年06期

2 赵海龙;穆志纯;丁文魁;张霞;;基于Haar小波变换和分块DCT的人耳识别[J];北京大学学报(自然科学版);2009年02期

3 索少增;刘翠玲;吴静珠;陈兴海;孙晓荣;吴胜男;;高光谱图像技术检测梨表面农药残留试验研究[J];北京工商大学学报(自然科学版);2011年06期

4 陈伟;余旭初;王鹤;闻兵工;靳克强;;基于粒子群算法的高光谱影像端元提取技术[J];测绘科学;2011年04期

5 李二森;张保明;宋丽华;余文杰;唐德瑾;;线性混合模型的光谱解混算法综述[J];测绘科学;2011年05期

6 范群贞;刘金清;;基于PCA/ICA的人脸特征提取新方法[J];电子测量技术;2010年08期

7 赵春晖;齐滨;王玉磊;;一种改进的N-FINDR高光谱端元提取算法[J];电子与信息学报;2012年02期

8 蔡健荣;王建黑;黄星奕;陈全胜;;高光谱图像技术检测柑橘果锈[J];光电工程;2009年06期

9 薛龙;庄宏;黎静;刘木华;王晓;罗春生;;基于激光诱导荧光高光谱技术无损检测脐橙表面敌敌畏残留[J];中国农机化;2012年01期

10 邵咏妮;何勇;潘家志;裘正军;;基于光谱技术的桔子汁品种鉴别方法的研究[J];光谱学与光谱分析;2007年09期

中国博士学位论文全文数据库 前1条

1 许菡;遥感影像混合像元分解新方法及应用研究[D];首都师范大学;2013年

【二级参考文献】

中国期刊全文数据库 前10条

1 喻晓强;刘木华;郭恩有;杨勇;;基于荧光高光谱图像的柑桔糖度无损检测[J];安徽农业科学;2007年36期

2 秦志强;数据融合技术及其应用[J];兵工自动化;2003年05期

3 符宝鼎,袁建畅,郭彩霞;基于RGB颜色模型棉花杂质的识别算法[J];北京纺织;2005年05期

4 游晓斌,游先祥,相莹莹;混合像元及混合像元分析[J];北京林业大学学报;2003年S1期

5 顾松刚,史培军;基于混合象元分解的辽东湾海冰资源量估算[J];北京师范大学学报(自然科学版);2004年03期

6 聂伟,郭红哲,张素妍;基于Bayes决策理论的数据融合方法[J];传感技术学报;2003年03期

7 武文波;刘正纲;;一种基于地物波谱特征的最佳波段组合选取方法[J];测绘工程;2007年06期

8 杨国鹏;余旭初;刘伟;陈伟;;面向高光谱遥感影像的分类方法研究[J];测绘通报;2007年10期

9 熊桢,郑兰芬,童庆禧;分层神经网络分类算法[J];测绘学报;2000年03期

10 骆剑承,王钦敏,马江洪,周成虎,梁怡;遥感图像最大似然分类方法的EM改进算法[J];测绘学报;2002年03期

中国博士学位论文全文数据库 前10条

1 范九伦;模糊聚类新算法与聚类有效性问题研究[D];西安电子科技大学;1998年

2 刘伟东;高光谱遥感土壤信息提取与挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2002年

3 夏建涛;基于机器学习的高维多光谱数据分类[D];西北工业大学;2002年

4 刘恒殊;超光谱遥感图像压缩算法的研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2003年

5 张兵;时空信息辅助下的高光谱数据挖掘[D];中国科学院研究生院（遥感应用研究所）;2002年

6 刘正军;高维遥感数据土地覆盖特征提取与分类研究[D];中国科学院研究生院（遥感应用研究所）;2003年

7 张连蓬;基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究[D];山东科技大学;2003年

8 计明军;若干随机性全局优化算法的研究[D];大连理工大学;2004年

9 刘志刚;支撑向量机在光谱遥感影像分类中的若干问题研究[D];武汉大学;2004年

10 李智勇;高光谱图像异常检测方法研究[D];国防科学技术大学;2004年

中国硕士学位论文全文数据库 前10条

1 马文驷;多分类器融合模式识别方法研究[D];西安电子科技大学;2002年

2 沈培华;支持矢量机的算法研究和应用[D];南京理工大学;2002年

3 白继伟;基于高光谱数据库的光谱匹配技术研究[D];中国科学院研究生院（遥感应用研究所）;2002年

4 姬水旺;强噪声和类间重叠数据下支持向量机学习的研究[D];武汉科技大学;2002年

5 符宁;用于VLSI布局的计算智能方法研究[D];电子科技大学;2002年

6 蔡国强;实数型遗传算传的研究及其应用[D];福州大学;2003年

7 黄文艳;支持向量机与指纹分类算法研究[D];河北工业大学;2003年

8 张雄飞;网络环境下高光谱数据库构建及其应用实践[D];中国科学院研究生院（遥感应用研究所）;2003年

9 刘卓;高维数据分析中的降维方法研究[D];中国人民解放军国防科学技术大学;2002年

10 张丽;基于多分类器动态组合的手写体数字识别[D];南京理工大学;2003年

【相似文献】

中国期刊全文数据库 前10条

1 齐建成;朱述龙;朱宝山;曹闻;;基于端元独立性的端元数目自动获取方法[J];测绘科学;2009年06期

2 齐建成;朱述龙;朱宝山;赵泳;李二森;;图像端元全自动提取方法研究[J];海洋测绘;2009年02期

3 朱述龙;齐建成;朱宝山;曹闻;;以凸面单体边界为搜索空间的端元快速提取算法[J];遥感学报;2010年03期

4 王立国;张晶;刘丹凤;王群明;;从端元选择到光谱解混的距离测算方法[J];红外与毫米波学报;2010年06期

5 曹建农;王贝贝;何晓宁;;高光谱端元自动确定与提取的迭代算法[J];遥感学报;2013年02期

6 吴波,张良培,李平湘;高光谱端元自动提取的迭代分解方法[J];遥感学报;2005年03期

7 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S3期

8 陈子玄;武文波;;基于线性混合模型的端元提取方法综述[J];测绘科学;2008年S1期

9 李熙;关泽群;秦昆;张力;曹灵灵;;基于贝叶斯推理的像元内部端元选择模型[J];光学学报;2009年09期

10 彭青青;杨辽;王杰;沈金祥;;基于异常探测的高光谱端元提取方法研究[J];遥感技术与应用;2011年04期

中国重要会议论文全文数据库 前2条

1 王百合;刘志刚;李义红;;基于光谱角分析的端元光谱聚类方法研究[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年

2 李明诗;刘勇;伍亭;;南京市不透水层时空模式遥感制图研究[A];第九届长三角科技论坛（测绘分论坛）论文集[C];2012年

中国博士学位论文全文数据库 前3条

1 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年

2 黄远程;高光谱影像混合像元分解的若干关键技术研究[D];武汉大学;2010年

3 李智勇;高光谱图像异常检测方法研究[D];国防科学技术大学;2004年

中国硕士学位论文全文数据库 前10条

1 张甬荣;基于有效端元集的双线性解混模型研究及应用[D];大连海事大学;2013年

2 刘正春;多端元光谱混合分析方法研究[D];中南大学;2012年

3 武鹤;基于数学形态学的高光谱图像端元提取技术研究[D];成都理工大学;2011年

4 曾凡霞;高光谱遥感图像端元提取算法改进及性能优化[D];成都理工大学;2013年

5 薛绮;基于线性混合模型的高光谱图像端元提取方法研究[D];国防科学技术大学;2004年

6 张娇;基于多端元光谱混合分解的高分辨率影像城市亚像元分类[D];华东师范大学;2014年

7 刘锋;高光谱数据降维及端元提取[D];北京理工大学;2008年

8 于琦;超光谱图像端元提取算法研究及其FPGA验证[D];长春理工大学;2014年

9 弋方;高光谱遥感图像端元提取算法研究与系统实现[D];西安电子科技大学;2014年

10 侯浩亮;基于FPGA的高光谱图像实时端元提取技术研究[D];国防科学技术大学;2009年

  本文关键词：高光谱数据降维及端元提取，由笔耕文化传播整理发布。

本文编号：202998