基于多尺度局部二值模式的高光谱图像分类算法研究

发布时间：2017-04-25 00:15

  本文关键词：基于多尺度局部二值模式的高光谱图像分类算法研究，由笔耕文化传播整理发布。

【摘要】：随着探测器技术的发展,高光谱成像的空间分辨率和光谱分辨率都有了显著的提高,在光谱域表现为特征光谱是连续光谱,可进行定量化研究。在空间域表现为相同类别的地物呈现聚类特性,即相邻的地物属于同一类别的概率较大。这一点在高光谱遥感影像处理中已经得到验证。高光谱影像包含丰富的空间信息和光谱信息,为高光谱遥感信息提取技术的发展与应用带来了机遇。本文从高光谱遥感影像的空间特征出发,引入多尺度LBP算子提取高光谱影像的空间纹理特征,对特选波段或者特征波段进行多尺度LBP特征提取,采用复合核多元逻辑回归分类器进行分类。选用AVIRIS高光谱遥感和ROSIS高光谱影像作为实验数据,分别采用LBP算子和多尺度LBP算子提取高光谱影像空间纹理特征,比较分类精度。实验表明,多尺度LBP算子提取的空间纹理特性可以获得不同尺度下的空间纹理特征,其分类精度明显提高。本文从光谱矢量观点出发,将每个空间像素的光谱曲线看作是基于该空间位置的一维矢量,将多尺度LBP算子纹理特征提取扩展为矢量运算,提出了基于光谱向量多尺度局部二值模式的空间纹理特征提取。该算法不需要对高光谱影像进行波段选择或者特征波段提取,将全部光谱特征应用于空间纹理特征提取中,经试验分析,能够明显提高高光谱分类精度。
【关键词】：高光谱影像 图像分类 多尺度LBP 空谱联合 复合核多元逻辑回归
【学位授予单位】：西安石油大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 绪论8-18
• 1.1 选题的背景及意义8
• 1.2 高光谱技术发展现状8-13
• 1.2.1 高光谱成像技术的发展现状8-11
• 1.2.2 高光谱数据处理发展现状11-12
• 1.2.3 高光谱数据处理发展趋势12-13
• 1.3 基于局部二值模式技术的高光谱图像分类技术发展现状13-16
• 1.3.1 局部二值模式技术发展现状13-15
• 1.3.2 局部二值模式技术在高光谱图像中的应用15-16
• 1.3.3 局部二值模式的高光谱图像发展趋势16
• 1.4 研究内容16-18
• 第二章 基于空谱联合的高光谱影像分类技术18-30
• 2.1 高光谱图像数据的表达方式18-19
• 2.2 高光谱图像数据的特征描述19-24
• 2.2.1 高光谱图像的空间特征描述方法19-21
• 2.2.2 高光谱图像的光谱特征描述方法21-24
• 2.2.3 高光谱图像的空谱联合特征描述方法24
• 2.3 高光谱图像数据的空谱联合特征的选择准则24-25
• 2.4 常用分类器介绍25-29
• 2.4.1 支持向量机回归模型25-27
• 2.4.2 核多元逻辑回归模型27-28
• 2.4.3 K-近邻分类算法28-29
• 2.5 本章小结29-30
• 第三章 基于单波段多尺度局部二值模式的高光谱图像分类算法30-41
• 3.1 高光谱影像特征提取30-32
• 3.1.1 多尺度局部二值模型技术30-31
• 3.1.2 单波段多尺度局部二值模型空间纹理特征提取31-32
• 3.1.3 空谱特征融合32
• 3.2 算法设计与实现32-37
• 3.2.1 实验数据32-34
• 3.2.2 算法设计34-35
• 3.2.3 算法实现35-37
• 3.3 实验内容与结果分析37-40
• 3.4 本章小结40-41
• 第四章 基于光谱向量多尺度局部二值模式的高光谱图像分类算法41-46
• 4.1 光谱向量多尺度局部二值模式空间纹理特征提取41-42
• 4.2 空谱特征融合42
• 4.3 实验内容与结果分析42-45
• 4.4 本章小结45-46
• 第五章 总结与展望46-48
• 5.1 工作总结46
• 5.2 发展展望46-48
• 致谢48-49
• 参考文献49-52
• 攻读学位期间发表的论文52-53

【相似文献】

中国期刊全文数据库 前10条

1 甘甫平;王润生;;高光谱遥感技术在地质领域中的应用[J];国土资源遥感;2007年04期

2 余旭初;杨国鹏;冯伍法;周欣;;基于简约集支持向量机的高光谱影像分类[J];计算机科学;2010年11期

3 杨可明;张涛;王立博;钱小丽;王林伟;刘士文;;谐波分析法高光谱影像融合及其光谱信息保真度评价[J];光谱学与光谱分析;2013年09期

4 李新双;张良培;李平湘;吴波;;基于小波分量特征值匹配的高光谱影像分类[J];武汉大学学报(信息科学版);2006年03期

5 杨可明;陈云浩;郭达志;蒋金豹;;基于高光谱影像的小麦条锈病光谱信息探测与提取(英文)[J];光子学报;2008年01期

6 苏俊英;舒宁;;一种基于非线性增益小波滤波的高光谱影像去噪技术研究[J];遥感技术与应用;2008年04期

7 杨可明;李慧;郭达志;;基于最佳小波包基的高光谱影像特征制图[J];测绘学报;2008年01期

8 杨国鹏;余旭初;刘伟;陈伟;;基于支持向量机的高光谱影像分类研究[J];计算机工程与设计;2008年08期

9 董超;赵慧洁;;关联向量机在高光谱影像分类中的应用[J];遥感学报;2010年06期

10 董超;田联房;赵慧洁;;遗传关联向量机高光谱影像分类[J];上海交通大学学报;2011年10期

中国重要会议论文全文数据库 前10条

1 舒宁;胡颖;;基于地物光谱特征的高光谱影像边缘提取方法[A];地理空间信息技术与应用——中国科协2002年学术年会测绘论文集[C];2002年

2 舒宁;;多光谱和高光谱影像纹理分析的几种方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 于美娇;董广军;张永生;纪松;杨靖宇;;一种基于极大后验估计的高光谱影像分辨率增强方法[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 董广军;纪松;朱朝杰;;基于局部线性嵌入流形学习的高光谱影像分类技术[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

5 汪玮;周可法;王金林;周曙光;刘慧;;环境减灾卫星高光谱数据预处理[A];第十二届全国数学地质与地学信息学术研讨会论文集[C];2013年

6 黄远程;张良培;李平湘;;基于最小单形体体积约束的高光谱影像端元光谱提取[A];遥感定量反演算法研讨会摘要集[C];2010年

7 刘庆杰;蔺启忠;王黎明;王钦军;李庆亭;苗峰显;;基于CFFT最优信噪比的星载高光谱影像噪声抑制研究[A];第十七届中国遥感大会摘要集[C];2010年

8 张杰林;;砂岩型铀矿床高光谱数据挖掘技术研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

9 董彦芳;庞勇;;高光谱影像与LiDAR数据融合提取城市目标提取[A];中国地震学会空间对地观测专业委员会2013年学术研讨会论文摘要集[C];2013年

10 李飞;周成虎;陈荣国;;基于光谱曲线形态的高光谱影像检索方法研究[A];第二届中国科学院博士后学术年会暨高新技术前沿与发展学术会议程序册[C];2010年

中国博士学位论文全文数据库 前8条

1 刘轲;冬小麦叶面积指数高光谱遥感反演方法研究[D];中国农业科学院;2015年

2 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

3 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

4 杨哲海;高光谱影像分类若干关键技术的研究[D];解放军信息工程大学;2006年

5 王凯;基于多特征融合的高光谱影像地物精细分析方法研究[D];武汉大学;2013年

6 杜辉强;高光谱遥感影像滤波和边缘提取方法研究[D];武汉大学;2004年

7 韦玮;基于多角度高光谱CHRIS数据的湿地信息提取技术研究[D];中国林业科学研究院;2011年

8 龚鑓;基于HDA和MRF的高光谱影像同质区分析[D];武汉大学;2007年

中国硕士学位论文全文数据库 前10条

1 司海青;含水量对土壤有机质含量高光谱估算的影响研究[D];中国农业科学院;2015年

2 魏祥坡;高光谱影像土质要素和人工地物分类技术研究[D];解放军信息工程大学;2015年

3 康苒;松嫩平原典型土壤有机质高光谱预测模型研究[D];东北农业大学;2016年

4 张颖;基于主动学习的高光谱影像分类[D];成都理工大学;2016年

5 张风;基于子空间学习的高光谱影像地物分类[D];西安电子科技大学;2015年

6 刘瑞香;基于多尺度局部二值模式的高光谱图像分类算法研究[D];西安石油大学;2016年

7 董连凤;高光谱影像预处理技术研究[D];长安大学;2007年

8 祝鹏飞;面向对象的高光谱影像地物分类技术研究[D];解放军信息工程大学;2011年

9 杨国鹏;基于核方法的高光谱影像分类与特征提取[D];解放军信息工程大学;2007年

10 杨明;面向分类的高光谱影像特征提取技术研究[D];解放军信息工程大学;2012年

  本文关键词：基于多尺度局部二值模式的高光谱图像分类算法研究，，由笔耕文化传播整理发布。

本文编号：325249