基于联合空间感知协同表示的高光谱遥感图像分类算法研究

发布时间：2021-02-12 20:13

　　高光谱图像分类是遥感图像区分地物和判读地物目标的主要方法之一,也是遥感领域中热点研究问题之一。高光谱图像通常包含丰富的连续窄波段和光谱信息,可以广泛的应用于矿物勘探、农业和环境监测等领域。这些应用促进了高光谱图像分类算法的优化和完善,其中基于协同表示的分类算法使用带标记的训练样本线性表示测试样本,并根据表示残差确定测试像素的类标签,整个分类过程不需要假设任何数据密度分布,也不需要用训练样本训练分类器模型。因此,协同表示算法在遥感图像分类领域备受关注。但传统的协同表示算法仅仅将光谱信息和空间信息作为分类特征输入到模型中进行分类,没有对分类模型进行优化。针对协同表示算法分类模型需要优化的问题,本文提出了两种基于联合空间感知协同表示（joint spatial-aware collaborative representation,JSaCR）的高光谱图像分类方法。针对高光谱图像分类中以纹理信息作为分类特征存在的分类信息不全面的问题。本文提出了基于纹理正则的联合空间感知协同表示方法（texture regularized-based joint spatial-aware collaborat... 

【文章来源】：北方民族大学宁夏回族自治区

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与进展
    1.2 高光谱图像分类所面临的问题
    1.3 论文研究概述
第二章 高光谱遥感图像分类算法
    2.1 高光谱图像数据的构成与特点
    2.2 高光谱图像分类概念与原理
    2.3 高光谱图像分类策略
    2.4 高光谱图像分类技术流程
    2.5 高光谱图像分类经典算法
    2.6 协同表示算法概述
    2.7 本章小结
第三章 基于纹理正则的联合空间感知协同表示分类算法
    3.1 背景介绍
    3.2 高光谱先验数据获取
    3.3 基于纹理正则的联合空间感知协同表示分类算法
    3.4 实验结果与分析
    3.5 本章小结
第四章 基于空间信息辅助判别规则的分类算法
    4.1 背景介绍
    4.2 基于空间信息辅助判别规则的分类算法
    4.3 实验结果与分析
    4.4 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 研究展望
参考文献
致谢
个人简介



本文编号：3031374