基于低秩特征表示与分治多元逻辑回归的高光谱图像分类

发布时间：2021-07-21 02:47

　　高光谱遥感是对地观测的主要手段之一,同时亦是目前遥感领域的研究热点。随着硬件设备日新月异的发展与采集数据的不断丰富完备,高光谱图像分类得到了广泛应用,涌现出了很多通用与专用的分类算法,以及特定的集成系统。但是高光谱图像分类在算法层面与系统层面仍面临着很多挑战,比较突出的有:高光谱图像维数过高和标记样本相对较少之间的矛盾以及由此产生的统计困难与维数灾难;常用的统计机器学习算法在高光谱图像分类应用中面临高空间与时间复杂度,以及资源受限情况下的内存溢出、难以实时计算等瓶颈问题。在实际工程应用中,在不降低精度的前提下,实时性是遥感系统最重要的考量之一。论文紧紧围绕上述问题开展研究,取得了以下几个成果:第一,针对高光谱图像的结构特点以及样本之间的关联,提出了基于加权低秩表示的高光谱图像降维算法。它旨在改善线性判别分析中的散度矩阵估计并解决小样本情况下的奇异矩阵与病态问题。该方法在传统低秩表示模型的基础上引入了局部加权正则以保证高光谱图像在高维空间的局部结构在低秩子空间依旧能够得到保持。论文使用增广拉格朗日乘子法进行迭代求解。论文同时提出了一种基于经验模式分解的判别字典构造方法。其二者的有机结合,... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：145 页

【学位级别】：博士

【部分图文】：

验三：WLIndianPineLRR+LDA在es图像上IM在大样本集MFs字典大小集上的降维性小对不同方法

38(d) (e) (f)Asphalt Meadows Gravel Trees Metal sheets Bare soil Bitumen Bricks Shadows图2.4 Pavia University 图像在小样本训练集(每类 8 个)下的分类图示 (a) Base (b) PCA+LDA(c) IMFs+LDA (d) WLRR+LDA (e) LRR+LDA (f) Ground Truth

42(e) (f) (g)图2.6 Salinas 图像在小样本训练集(每类 8 个)下的分类图示 (a) Base (b) PCA+LDA(c)IMFs+LDA (d) LDA (e) WLRR+LDA (f) LRR+LDA (g) Ground Truth实验二：字典大小对 WLRR 的降维性能的影响本实验来调查字典大小如何影响 LRR 与 WLRR 的降维性能。如同文献[128]所分

【参考文献】：
期刊论文
[1]星载近红外高光谱CO2遥感进展[J]. 毕研盟,王倩,杨忠东,谷松岩,吴荣华,刘成保.  中国光学. 2015(05)
[2]基于最大相关熵准则的鲁棒半监督学习算法[J]. 杨南海,黄明明,赫然,王秀坤.  软件学报. 2012(02)
[3]高光谱中的Hughes现象与低通滤波器的运用[J]. 杨哲海,李之歆,韩建峰,宫大鹏.  测绘学院学报. 2004(04)
[4]航空热红外多光谱扫描仪（ATIMS）数据发射率信息分析和提取[J]. 郑兰芬,赵德刚,童庆禧,党顺行.  红外与毫米波学报. 1998(03)

硕士论文
[1]高光谱图像的异常目标检测及亚像元定位研究[D]. 朱凤阳.哈尔滨工业大学 2009



本文编号：3294144