基于稀疏表示的高光谱图像分类方法研究

发布时间：2021-07-11 18:38

　　高光谱图像数据将反映地物空间几何关系的图像信息和反应地物辐射属性的光谱信息有效地结合在了一起。高光谱图像通常由数百个相邻波段和狭窄波段组成,从同一场景的可见光谱到近红外光谱波段,它们提供了丰富的土地覆盖信息,并且在土地使用分析、城市测绘、军事侦察、和环境监测等方面引起了广泛的关注。在这些应用中,最基本的问题就是分类。本文在已知的联合稀疏表示的高光谱图像分类基础上,对稀疏表示的字典进行了进一步的研究,提出了基于二级字典的联合稀疏表示高光谱图像分类和基于字典优化的联合稀疏表示的高光谱图像分类。本文的主要研究内容如下:1.针对联合稀疏表示高光谱图像分类算法对光谱信息利用不充分的问题,提出了基于二级字典的联合稀疏表示高光谱图像分类算法。绝大部分稀疏表示高光谱图像分类的算法字典的选取方法都是都是直接选取像元,并没有进行进一步的处理。为了进行字典进一步的处理,提高与待测像元类别一致的像元被选择进行稀疏重构概率,本文使用基于万有引力改善的适应于高光谱像元的公式对字典进行更新。对于每一个待测像元,使用其与字典原子计算出的引力值后再与字典原子像元相乘,提高正确分类的概率。为了使光谱的信息被充分利用,使用... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 引言
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 高光谱图像分类技术现状
        1.2.2 稀疏表示分类研究现状
    1.3 论文的主要研究内容
    1.4 论文的主要结构
第2章 高光谱图像分类算法
    2.1 常见高光谱图像分类算法
        2.1.1 KNN分类算法
        2.1.2 SVM算法
        2.1.3 卷积神经网络分类算法
    2.2 稀疏表示高光谱分类算法
        2.2.1 稀疏表示分类理论
        2.2.2 稀疏重构算法
    2.3 稀疏表示高光谱分类算法
        2.3.1 Indian Pines数据集
        2.3.2 Salinas数据集
    2.4 高光谱图像分类评价标准
        2.4.1 误差矩阵
        2.4.2 总分类精度
    2.5 本章小结
第3章 基于二级字典的联合稀疏表示高光谱图像分类
    3.1 研究背景
    3.2 基于核函数的联合稀疏表示分类算法
    3.3 基于二级字典的联合稀疏表示高光谱图像分类
    3.4 实验仿真分析
        3.4.1 实验参数设置
        3.4.2 Indian Pines数据集
        3.4.3 Salinas数据集
    3.5 本章小结
第4章 基于字典优化的联合稀疏表示高光谱图像分类
    4.1 研究背景
    4.2 字典原子的选择
    4.3 主成分分析法
    4.4 基于字典优化的联合稀疏表示高光谱图像分类
    4.5 实验仿真与分析
        4.5.1 实验参数设置
        4.5.2 Indian Pines数据集
        4.5.3 Salinas数据集
    4.6 总结
第5章 总结与展望
    5.1 工作总结
    5.2 发展展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]基于自适应核联合稀疏表示的多特征高光谱图像分类[J]. 张会敏,杨明,吕静.  中国科学技术大学学报. 2018(04)
[2]基于核函数的联合稀疏表示高光谱图像分类[J]. 陈善学,周艳发,漆若兰.  系统工程与电子技术. 2018(03)
[3]基于邻域相似度的联合稀疏表示的高光谱图像分类算法[J]. 李佳逊,董安国,沈亚栋,张蓓.  激光与光电子学进展. 2017(12)
[4]基于紧耦合像元的自适应增强类内稀疏表示高光谱图像分类[J]. 陈善学,桂成名,王一宁.  系统工程与电子技术. 2017(03)
[5]高光谱遥感影像分类研究进展[J]. 杜培军,夏俊士,薛朝辉,谭琨,苏红军,鲍蕊.  遥感学报. 2016(02)
[6]基于联合结构化稀疏表示的高光谱图像分类[J]. 薄纯娟,张汝波,杨大伟,龚涛.  华中科技大学学报(自然科学版). 2015(S1)

硕士论文
[1]基于加权核稀疏表示的人脸识别方法研究[D]. 刘晓芬.重庆大学 2018



本文编号：3278635