基于典型相关性分析的高光谱图像分类研究
发布时间：2021-12-31 12:49
高光谱图像是一种包含了图像空间信息和光谱信息的三维立体图像。随着高光谱遥感技术的发展,高光谱图像被广泛应用在地物分类、农业检测、资源调查、环境评测和城市研究等领域。由于高光谱图像具有较高的光谱分辨率、丰富的光谱信息等特点,并能够精确地检测和区分土地覆盖类别之间的微小差异,高光谱图像分类逐渐成为一个重要的研究领域。在高光谱图像分类研究中,将光谱和空间信息相结合进行分类的算法已经相对成熟,但仍存在:1)维度高计算量大,2)降维方式易丢失信息,3)降维过程中忽视光谱和空间信息间的潜在联系等问题。为此本文提出了三种基于典型相关性分析的复合核框架用于高光谱图像分类。1.为了充分利用光谱和空间信息间的潜在关系,本文提出了一种基于典型相关性分析复合核框架用于高光谱图像分类。引入典型相关性分析对光谱信息和空间信息进行处理,得到冗余度更小且经过降维的两组信息,然后使用核方法进行信息融合,最后输入分类器中。通过对两组真实的高光谱数据集进行实验,证实了本文提出的算法相对于一般复合核框架能够有效提高分类精度,并且在小训练样本集的情况下有着更强的鲁棒性。2.考虑到高光谱图像的维度特性,本文进一步提出基于二维典型...
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
高光谱图像原理示意图
江南大学硕士学位论文2中长波段为主的航空专用扫描仪。到了20世纪80年代中，我国又进一步研制成功了热红外航空多光谱扫描仪以及细分红外光谱扫描仪。80年代后期，我国成功研制出新模块化航空成像光谱仪，该模块系统覆盖了可见光、近红外到短波红外波段，共64个波段，并且可以集成热红外多光谱扫描仪，集成后总波段可达72个。这一技术在我国矿产资源勘探、沙漠环境监测等多个领域得到了充分利用。图1-2高光谱图像数据示意图1.1.1高光谱遥感的特点与传统的全色、多光谱遥感图像相比较，高光谱图像具有以下几个特点[6]：1.波段多，波段的宽度相对较窄。与传统的遥感相比高光谱图像成像光谱仪的成像波段较多并且每个像素的波段宽度较小，一般小于10nm。然而波段数却能够达到几十到几百个，这些波段在光谱带上的分布是连续的。这并不只是简单的波段个数上的提升，同时高光谱图像里地物目标的光谱空间信息量也在迅速增加。2.光谱感知范围广，光谱分辨率相对较高。成像光谱仪所涉及的波长范围较广，从可见光到中红外，并且光谱分辨率更是达到了纳米级。超高的光谱分辨率为更好地获取地物目标波段上微小特征信息打下了坚实基矗3.光谱域信息与空间域信息通常有机结合。在高光谱图像数据中，每个像素点对应着一条光谱带，整个数据是结合光谱和空间信息的立方体，所以高光谱图像不仅有着二维平面上的空间图像维度也有着光谱维度，针对高光谱图像的分类算法通常利用光谱信息和空间信息的融合达到更好的分类效果。4.数据描述模型多，相关分析更加灵活。高光谱影像通常有三种描述方法：特征方法、图像方法和光谱方法。5.数据量大，信息冗余相对较多。高光谱数据的光谱波段多，数据量庞大并且波段的宽度小于10nm，波段之间具有很高的相关性，信息冗余度
膨胀操作
【参考文献】：
期刊论文
[1]基于多重集典型相关的深度特征融合及SAR目标识别方法[J]. 陈惠红,刘世明. 电子测量与仪器学报. 2019(09)
[2]贝叶斯稀疏表示高光谱图像超分辨率方法[J]. 黄伟,许蒙恩,徐国明,黄勤超. 计算机科学与探索. 2018(12)
[3]基于集成学习的多重集典型相关分析方法[J]. 邱爱昆,朱嘉钢. 计算机工程与应用. 2017(06)
[4]混合概率典型相关性分析[J]. 张博,郝杰,马刚,岳金朋,张建华,史忠植. 计算机研究与发展. 2015(07)
[5]基于典型相关回归的多跳非测距定位方法[J]. 程炳华,严筱永,胡勇. 数据采集与处理. 2014(06)
[6]面向脑血管分割的改进型非局部均值滤波算法研究[J]. 陈星,宋智洋,周明全,武仲科,王醒策. 中国光学. 2014(04)
[7]改进的二维典型相关分析及其人脸识别应用[J]. 刘艳艳,曹慧荣,王建国,赵宜宾. 计算机工程. 2012(10)
[8]快速SVM算法及在陀螺仪参数漂移预测中的应用[J]. 张庆,刘丙杰,王新宇. 舰船电子工程. 2008(11)
[9]二维典型相关分析及其在人脸识别中的应用[J]. 宋东兴,刘永俊,陈才扣. 计算机应用. 2008(09)
[10]高光谱──遥感测绘的新机遇[J]. 余旭初,冯伍法,林丽霞. 测绘科学技术学报. 2006(02)
博士论文
[1]人脸检测和识别算法的研究与实现[D]. 赵丽红.东北大学 2006
[2]基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究[D]. 张连蓬.山东科技大学 2003
本文编号：3560288
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
高光谱图像原理示意图
江南大学硕士学位论文2中长波段为主的航空专用扫描仪。到了20世纪80年代中，我国又进一步研制成功了热红外航空多光谱扫描仪以及细分红外光谱扫描仪。80年代后期，我国成功研制出新模块化航空成像光谱仪，该模块系统覆盖了可见光、近红外到短波红外波段，共64个波段，并且可以集成热红外多光谱扫描仪，集成后总波段可达72个。这一技术在我国矿产资源勘探、沙漠环境监测等多个领域得到了充分利用。图1-2高光谱图像数据示意图1.1.1高光谱遥感的特点与传统的全色、多光谱遥感图像相比较，高光谱图像具有以下几个特点[6]：1.波段多，波段的宽度相对较窄。与传统的遥感相比高光谱图像成像光谱仪的成像波段较多并且每个像素的波段宽度较小，一般小于10nm。然而波段数却能够达到几十到几百个，这些波段在光谱带上的分布是连续的。这并不只是简单的波段个数上的提升，同时高光谱图像里地物目标的光谱空间信息量也在迅速增加。2.光谱感知范围广，光谱分辨率相对较高。成像光谱仪所涉及的波长范围较广，从可见光到中红外，并且光谱分辨率更是达到了纳米级。超高的光谱分辨率为更好地获取地物目标波段上微小特征信息打下了坚实基矗3.光谱域信息与空间域信息通常有机结合。在高光谱图像数据中，每个像素点对应着一条光谱带，整个数据是结合光谱和空间信息的立方体，所以高光谱图像不仅有着二维平面上的空间图像维度也有着光谱维度，针对高光谱图像的分类算法通常利用光谱信息和空间信息的融合达到更好的分类效果。4.数据描述模型多，相关分析更加灵活。高光谱影像通常有三种描述方法：特征方法、图像方法和光谱方法。5.数据量大，信息冗余相对较多。高光谱数据的光谱波段多，数据量庞大并且波段的宽度小于10nm，波段之间具有很高的相关性，信息冗余度
膨胀操作
【参考文献】：
期刊论文
[1]基于多重集典型相关的深度特征融合及SAR目标识别方法[J]. 陈惠红,刘世明. 电子测量与仪器学报. 2019(09)
[2]贝叶斯稀疏表示高光谱图像超分辨率方法[J]. 黄伟,许蒙恩,徐国明,黄勤超. 计算机科学与探索. 2018(12)
[3]基于集成学习的多重集典型相关分析方法[J]. 邱爱昆,朱嘉钢. 计算机工程与应用. 2017(06)
[4]混合概率典型相关性分析[J]. 张博,郝杰,马刚,岳金朋,张建华,史忠植. 计算机研究与发展. 2015(07)
[5]基于典型相关回归的多跳非测距定位方法[J]. 程炳华,严筱永,胡勇. 数据采集与处理. 2014(06)
[6]面向脑血管分割的改进型非局部均值滤波算法研究[J]. 陈星,宋智洋,周明全,武仲科,王醒策. 中国光学. 2014(04)
[7]改进的二维典型相关分析及其人脸识别应用[J]. 刘艳艳,曹慧荣,王建国,赵宜宾. 计算机工程. 2012(10)
[8]快速SVM算法及在陀螺仪参数漂移预测中的应用[J]. 张庆,刘丙杰,王新宇. 舰船电子工程. 2008(11)
[9]二维典型相关分析及其在人脸识别中的应用[J]. 宋东兴,刘永俊,陈才扣. 计算机应用. 2008(09)
[10]高光谱──遥感测绘的新机遇[J]. 余旭初,冯伍法,林丽霞. 测绘科学技术学报. 2006(02)
博士论文
[1]人脸检测和识别算法的研究与实现[D]. 赵丽红.东北大学 2006
[2]基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究[D]. 张连蓬.山东科技大学 2003
本文编号：3560288
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3560288.html
