高光谱遥感图像降维技术研究

发布时间：2022-01-09 10:26

　　随着成像光谱仪和遥感技术的快速发展,高光谱遥感图像的应用越来越广泛。但由于其光谱分辨率高,波段数量众多等特点,给高光谱图像处理带来了困难,如图像分类会产生维度灾难、信息冗余度高、运行时间长等。因此,高光谱图像数据降维成为了高光谱遥感数据处理的重要内容之一。本文对高光谱图像降维技术进行了研究。主要工作如下:（1）深入分析了高光谱遥感数据的表达方式与特点,对比特征提取和波段选择两种高光谱图像降维方法。从信息量、相关性、可分性三个方面,分析了降维方法的评价方法,本文实验主要采用从可分性方面考虑的分类精度评价法来评价降维方法的有效性。（2）着重研究了基于波段选择的降维方法,介绍了六种常用的波段选择算法,包括基于信息量的ABS、MI算法,基于排序的ID、FSD算法,基于聚类的WaLuDi、K-means算法,并利用MATLAB编程实现。通过实验比较,表明WaLuDi、K-means算法性能最优,分类精度最高,相关性较弱,但包含的信息量较小;ABS算法性能较差,分类精度最低,相关性较强,但包含的信息量最大。（3）在总结常用波段选择法的基础上,提出了一种基于聚类和信息量结合的方法。首先,采用K-me... 

【文章来源】：东华理工大学江西省

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究的背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 高光谱数据降维的研究现状
    1.3 论文主要研究内容
    1.4 结构安排及技术路线
        1.4.1 结构安排
        1.4.2 技术路线
2 高光谱图像降维技术基础
    2.1 高光谱图像数据简介
        2.1.1 高光谱图像的基本概念
        2.1.2 高光谱图像数据的表达方式
        2.1.3 高光谱图像数据的特点
    2.2 高光谱图像降维的必要性
    2.3 高光谱图像降维技术简介
        2.3.1 特征提取法
        2.3.2 波段选择法
    2.4 高光谱图像降维方法评价
        2.4.1 基于可分性的评价方法
        2.4.2 基于信息量的评价方法
        2.4.3 基于相关性的评价方法
3 常用的波段选择方法
    3.1 基于信息量的波段选择法
        3.1.1 最佳指数与自适应波段选择法
        3.1.2 基于最大信息量的波段选择法
    3.2 基于排序的波段选择法
        3.2.1 信息离散度法
        3.2.2 第一光谱导数
    3.3 基于聚类的波段选择法
        3.3.1 基于层次聚类的方法
        3.3.2 K-means聚类的方法
    3.4 常用波段选择方法比较
        3.4.1 实验数据介绍
        3.4.2 实验及结果分析
4 高光谱图像波段选择法改进
    4.1 改进算法思路
    4.2 相似性度量方法
        4.2.1 基于距离的光谱相似性度量方法
        4.2.2 基于统计特性的光谱相似性度量方法
        4.2.3 基于信息测度的光谱相似性度量方法
        4.2.4 基于投影的光谱相似性度量方法
    4.3 改进的自适应波段选择法
    4.4 实验及结果分析
5 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
致谢
攻读硕士学位期间发表论文


【参考文献】：
期刊论文
[1]光谱相似性度量方法研究进展[J]. 赵春晖,田明华,李佳伟.  哈尔滨工程大学学报. 2017(08)
[2]基于相似性的高光谱海冰图像的波段选择研究[J]. 张龙,韩彦岭,张云,袁国良.  电子设计工程. 2015(21)
[3]改进的OIF和SVM结合的高光谱遥感影像分类[J]. 张磊,邵振峰.  测绘科学. 2014(11)
[4]基于图像欧氏距离的高光谱图像流形降维算法[J]. 陈宏达,普晗晔,王斌,张立明.  红外与毫米波学报. 2013(05)
[5]基于核最小噪声分离变换的高光谱遥感影像特征提取研究[J]. 林娜,杨武年.  遥感技术与应用. 2013(02)
[6]基于波段聚类的高光谱图像波段选择[J]. 葛亮,王斌,张立明.  计算机辅助设计与图形学学报. 2012(11)
[7]基于最大信息量的高光谱遥感图像无监督波段选择方法[J]. 刘雪松,葛亮,王斌,张立明.  红外与毫米波学报. 2012(02)
[8]一种星载高光谱图像特征提取算法的实现[J]. 毕文敬,张善从.  计算机应用研究. 2011(10)
[9]支持向量机在遥感数据分类中的应用新进展[J]. 张睿,马建文.  地球科学进展. 2009(05)
[10]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)

博士论文
[1]多核学习算法与应用研究[D]. 史亚.西安电子科技大学 2015
[2]高光谱数据降维算法研究[D]. 高阳.中国矿业大学 2013
[3]高光谱遥感图像分类技术研究[D]. 高恒振.国防科学技术大学 2011

硕士论文
[1]基于特征度量的高光谱遥感影像波段选择方法研究[D]. 谭雨蕾.吉林大学 2017
[2]高光谱影像非监督波段选择技术研究[D]. 夏冰.苏州大学 2015
[3]基于互信息量的超光谱数据波段选择降维算法研究[D]. 张绍杰.华中科技大学 2015
[4]K-means聚类方法的改进及其应用[D]. 李荟娆.东北农业大学 2014
[5]高光谱遥感图像的降维与分类研究[D]. 陈宏达.复旦大学 2013
[6]高光谱图像波段选择方法的研究[D]. 魏芳洁.哈尔滨工程大学 2013
[7]高光谱遥感影像降维及分类方法研究[D]. 李静.中南大学 2012
[8]基于克隆选择算法的高光谱图像波段选择[D]. 杨三美.华中科技大学 2011
[9]高光谱遥感影像地面伪装目标检测方法的研究[D]. 王同招.浙江大学 2006
[10]高光谱遥感数据最佳波段选择方法研究[D]. 杨金红.南京信息工程大学 2005



本文编号：3578533