基于分类精度预测的高光谱图像波段选择研究

发布时间：2022-02-21 08:16

　　高光谱图像处理是当代遥感领域的技术发展的前沿领域,在各个领域的实际应用越来越广泛。但由于高光谱图像具有光谱分辨率高,波段数量多等特点,波段间存在大量的冗余信息,在存储时会占据大量的物理空间,且处理时间长,效率低;在进行地物识别、检测和分类时由于高光谱图像维度高,地物标记样本有限,容易出现维度灾难的问题,因此对进行高光谱图像降维,去除冗余数据的预处理是十分必要的,而对高光谱图像波段选择既可以到达对原始图像进行降维的同时又能保留原始波段的物理特性。因此,本论文重点针对高光谱的图像特点以及可分类问题,本论文提出了两种新的高光谱图像波段选择方法如下:（1）基于K-AP算法的高光谱图像波段选择方法。K-AP算法是一种高效的聚类算法,已成功地应用于人脸识别和数据分析等领域,但在高光谱图像分析领域还少有成功的应用。通过对K-AP算法的深入研究,本文提出了将K-AP算法应用于高光谱图像波段选择,对高光谱图像进行有效的数据压缩。首先,针对K-AP算法的特点,基于Kullback-Leibler散度我们定义了新的相似度矩阵,对波段进行度量,然后再使用K-AP算法进行聚类,选择最有代表性的波段,有效地减少了... 

【文章来源】：广东工业大学广东省

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状的分析
    1.3 本文的研究内容
    1.4 论文的结构安排
第二章 高光谱图像波段选择原则及分类学习方法介绍
    2.1 引言
    2.2 高光谱图像波段选择的原则
    2.3 高光谱图像分类方法介绍
        2.3.1 高光谱图像分类学习方法
        2.3.2 SVM原理概述
        2.3.3 KNN原理概述
    2.4 本章小结
第三章 实验对比方法和数据集介绍
    3.1 引言
    3.2 实验对比的波段选择算法的介绍
        3.2.1 最大方差主成分分析波段选择方法
        3.2.2 基于稀疏表示的波段选择方法
        3.2.3 基于K-mediods聚类波段选择方法
    3.3 公开高光谱图像数据集的介绍
        3.3.1 印第安农场高光谱图像数据集
        3.3.2 帕维亚中心高光谱图像数据集
    3.4 本章小结
第四章 基于K-AP算法的高光谱图像波段选择方法
    4.1 引言
    4.2 K-AP算法原理
    4.3 波段间相似度的定义
    4.4 基于K-AP算法的波段选择方法
    4.5 实验结果及分析
    4.6 本章小结
第五章 结合空谱信息SSC的波段选择方法
    5.1 引言
    5.2 稀疏子空间聚类算法原理
    5.3 结合空谱信息SSC波段选择方法
    5.4 实验结果及分析
    5.5 本章小结
总结与展望
参考文献
攻读硕士学位期间发表成果
致谢


【参考文献】：
期刊论文
[1]稀疏子空间聚类综述[J]. 王卫卫,李小平,冯象初,王斯琪.  自动化学报. 2015(08)
[2]一种高效的K-medoids聚类算法[J]. 夏宁霞,苏一丹,覃希.  计算机应用研究. 2010(12)

博士论文
[1]基于分类精度预测的高光谱图像分类研究[D]. 隋晨红.华中科技大学 2015

硕士论文
[1]基于子空间学习的高光谱影像地物分类[D]. 张风.西安电子科技大学 2015
[2]高光谱遥感图像波段选择算法研究[D]. 周杨.浙江大学 2014
[3]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



本文编号：3636859