面向植被遥感监测的高光谱图像分类技术研究

发布时间：2021-08-19 19:42

　　随着遥感技术的发展和广泛应用,高光谱图像被尝试应用于地物分类及植被生态监测等领域中。尽管目前很多经典的遥感数据处理方法已应用于高光谱图像处理与分析中,然而对于地物变化的分类任务中,植被分类与参量反演还很难达到分析所需的要求。因此,这就需要开发一些有别于传统图像处理的方法,实现高光谱图像地物中植被的分类与参量的反演分析。由于不同地物的光谱曲线可以直接体现其特征,故与利用其他图像进行地物变化分类相比,在选择合适的分析方法前提下,利用高光谱图像信息能够更细致地反映地物变化,对地物覆盖植被类型的遥感监测精细分析具有重要意义。论文在对高光谱图像特性分析的基础上,分别从光谱关键信息提取、迁移特征融合分类和植被生化参量反演的变化检测三方面,对高光谱图像地物中植被遥感生态监测进行分析,从而实现高光谱植被区域的分类与生长状态的变化检测。首先,针对高光谱高数据维与最大程度利用光谱信息的问题,研究了基于局部Fisher判别的特征选择算法。该算法考虑了真实高光谱数据在原始特征空间的多模态分布结构,选择一组优化的特征子集,以保留同类样本的局部邻域结构。本文基于Fisher判别的特征选择算法,提出了一种新的基于光... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：135 页

【学位级别】：博士

【部分图文】：

高光谱数据立方体示意图

表示该像素的概率。由式（2-1）看出，图像像素值分布越有序熵值越小，反之则熵越大，因此可以采用高光谱图像的信息熵来衡量高光谱图像的数据量。虽然高光谱图像在不同波段的成像地物位于相同区域，但由于相同区域的地物对不同波段的电磁波表现出不同的吸收率和反射率，从而导致不同波段对应图像信息量不同。a) 印第安纳a) Indianab) 圣地亚哥b) Sandiego

球体体积比值随维数的变化关系

【参考文献】：
期刊论文
[1]空间约束半监督高斯过程下的高光谱图像分类[J]. 姚伏天,钱沄涛,李吉明.  浙江大学学报(工学版). 2012(07)
[2]基于图知识迁移的蚁群算法参数选择[J]. 王雪松,潘杰,程玉虎.  控制与决策. 2011(12)
[3]基于聚类核函数的最小二乘支持向量机高光谱图像半监督分类[J]. 高恒振,万建伟,许可,钱林杰.  信号处理. 2011(02)
[4]高光谱遥感技术的发展与应用现状[J]. 杨国鹏,余旭初,冯伍法,刘伟,陈伟.  测绘通报. 2008(10)
[5]基于独立成分分析的高光谱图像数据降维及压缩[J]. 冯燕,何明一,宋江红,魏江.  电子与信息学报. 2007(12)
[6]基于离散小波变换的高光谱特征提取中分解尺度的确定方法[J]. 李军,李培军,郭建聪.  自然科学进展. 2007(11)
[7]高光谱遥感光谱相似性度量算法与若干新方法研究[J]. 杜培军,唐宏,方涛.  武汉大学学报(信息科学版). 2006(02)

博士论文
[1]迁移学习在文本分类中的应用研究[D]. 孟佳娜.大连理工大学 2011
[2]基于机器学习方法的高光谱影像分类研究[D]. 杨国鹏.解放军信息工程大学 2010

硕士论文
[1]基于专家委员会的主动学习算法研究[D]. 梁延峰.中国海洋大学 2010



本文编号：3352023