基于字典学习的高光谱图像分类方法研究

发布时间：2017-03-25 01:00

  本文关键词：基于字典学习的高光谱图像分类方法研究，由笔耕文化传播整理发布。

【摘要】：随着遥感技术和计算机技术的发展,高光谱遥感图像已经渗入到社会、经济的各个领域。同时,高光谱图像的数量也日趋增长,如何组织图像、对高光谱图像进行分类任务,就成为了遥感信息技术领域中一项重要的研究课题。由于高光谱图像有着维数高、样本少的特点,而传统高光谱图像分类方法仅考虑了光谱特性而忽略了图像中的空间特性,加之图像的数字化存储与人类语义理解之间存在天然的“语义鸿沟”问题,高效可靠的高光谱图像分类依然充满挑战。字典学习模型在自然图像分类上的成功应用,为高光谱图像分类问题提供了新的思路,本文基于字典学习模型,对高光谱图像的空间信息进一步地挖掘,并尝试从三个方面提出了对现有高光谱图像分类问题的解决方案。首先,针对高光谱图像中丰富的空间信息提出一种新型的字典学习框架。通过字典学习框架对含有丰富空间信息的底层特征进行编码,以获得能够较好保持特征空间结构信息的高层语义编码,也消除了底层特征与图像高层语义之间的“语义鸿沟”。其次,针对字典学习框架中大部分算法在编码过程中仅仅考虑了显著性特征的问题,提出并实现一种空间结构性保留的编码策略。先在字典生成阶段保持字典项的局部空间信息。而后在编码阶段基于密度适应性地选择特征进行编码,避免了编码过程中的高光谱图像的空间信息损失,从而获得较好的特征和分类准确率。最后,针对传统高光谱图像稀疏表示的研究中,研究者们仅仅在编码的样本选择阶段考虑空间“近邻”关系的缺点,提出并实现一种新的空间约束的特征编码方式,在编码阶段定义空间惩罚项作为约束条件来控制编码,使得空间上有近邻关系像素的编码能够尽可能地相似。
【关键词】：高光谱图像分类 字典学习 特征编码 密度约束 空间约束 稀疏表示
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要4-5
• Abstract5-11
• 第一章 绪论11-21
• 1.1 研究背景及意义11-13
• 1.2 国内外研究现状分析13-18
• 1.2.1 高光谱遥感现状13-14
• 1.2.2 高光谱图像分类现状14-15
• 1.2.3 词袋模型研究现状15-18
• 1.3 论文的内容和贡献18-19
• 1.4 论文组织19-21
• 第二章 基于字典学习与形态学编码的高光谱图像分类21-33
• 2.1 引言21-23
• 2.2 基础理论23-25
• 2.2.1 扩展形态学剖面23-24
• 2.2.2 字典学习与特征编码24-25
• 2.3 基于字典学习的扩展形态学剖面编码25-27
• 2.4 实验27-31
• 2.4.1 实验数据集27-28
• 2.4.2 实验评价标准28-29
• 2.4.3 实验结果分析29-31
• 2.5 本章小结31-33
• 第三章 基于空间结构保持编码的高光谱图像分类33-45
• 3.1 引言33-34
• 3.2 结构性编码方法34-35
• 3.3 基于空间结构保留的编码方法35-39
• 3.3.1 字典生成35-37
• 3.3.2 基于密度约束的编码37-39
• 3.4 实验39-44
• 3.4.1 实验数据集40
• 3.4.2 实验结果及分析40-44
• 3.5 本章小结44-45
• 第四章 基于空间约束稀疏编码的高光谱图像分类45-57
• 4.1 引言45-46
• 4.2 稀疏表示46-47
• 4.3 基于空间约束的特征编码47-49
• 4.3.1 空间约束矩阵47-49
• 4.3.2 基于空间约束矩阵的稀疏编码方法49
• 4.4 实验49-56
• 4.5 本章小结56-57
• 第五章 总结和展望57-60
• 5.1 工作总结57-58
• 5.2 展望58-60
• 参考文献60-69
• 简历与科研成果69-70
• 致谢70-71

【相似文献】

中国期刊全文数据库 前10条

1 谌德荣;宫久路;陈乾;曹旭平;;基于样本分割的快速高光谱图像异常检测支持向量数据描述方法[J];兵工学报;2008年09期

2 蒲晓丰;雷武虎;张林虎;蒋奇材;;基于Fukunaga-Koontz变换的高光谱图像异常检测[J];红外技术;2010年04期

3 成宝芝;郭宗光;;高光谱图像波段间相关特性研究[J];大庆师范学院学报;2013年06期

4 杨龙;易宏杰;李因彦;;遥感高光谱图像赤潮识别[J];传感器世界;2007年05期

5 汪倩;陶鹏;;结合空间信息的高光谱图像快速分类方法[J];微计算机信息;2010年21期

6 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期

7 冯朝丽;朱启兵;朱晓;黄敏;;基于光谱特征的玉米品种高光谱图像识别[J];江南大学学报(自然科学版);2012年02期

8 付欢;龙海南;韩晓霞;;基于冗余字典的高光谱图像的稀疏分解[J];河北软件职业技术学院学报;2013年04期

9 耿修瑞,张霞,陈正超,张兵,郑兰芬,童庆禧;一种基于空间连续性的高光谱图像分类方法[J];红外与毫米波学报;2004年04期

10 张绮玮;机载高光谱遥感图像处理软件系统[J];红外;2005年02期

中国重要会议论文全文数据库 前10条

1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年

2 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

3 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

4 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

5 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（下册）[C];2008年

6 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

7 高东生;高连知;;基于独立分量分析的高光谱图像目标盲探测方法研究[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

8 冯维一;陈钱;何伟基;;基于小波稀疏的高光谱目标探测算法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

9 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

10 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

2 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年

3 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

4 魏然;基于成像机理分析的高光谱图像信息恢复研究[D];哈尔滨工业大学;2015年

5 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年

6 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年

7 孙涛;快速多核学习分类研究及应用[D];西安电子科技大学;2015年

8 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年

9 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年

10 南一冰;星载推扫型高光谱运动成像误差建模与高精度校正技术研究[D];北京理工大学;2015年

中国硕士学位论文全文数据库 前10条

1 丰烁;高光谱图像波段选取问题的改进算法研究[D];昆明理工大学;2015年

2 赵伟彦;果蔬干燥过程中的品质无损检测技术研究[D];江南大学;2015年

3 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年

4 刘大洋;基于近红外光谱和高光谱图像技术无损识别猕猴桃膨大果[D];西北农林科技大学;2015年

5 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年

6 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年

7 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年

8 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年

9 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年

10 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年

  本文关键词：基于字典学习的高光谱图像分类方法研究，，由笔耕文化传播整理发布。

本文编号：266400