表示模型框架下多特征信息融合的高光谱图像分类

发布时间：2017-08-13 14:17

  本文关键词：表示模型框架下多特征信息融合的高光谱图像分类

  更多相关文章： 局部二值模型(LBP) 最小正则子空间(NRS) Gabor特征 核 高光谱图像分类

【摘要】：高光谱遥感数据凭借非常高的光谱分辨率,在地物分类方面存在巨大的潜力,从而在矿藏勘探,环境保护等诸多领域得到了广泛的应用。近年来,随着高光谱分类算法研究的不断深入,融合了空间特征的分类模型成为学者们研究的热点领域。而以往的许多研究忽视了空间特征的重要作用,以及很少对多种特征的融合策略进行研究。基于这种现状,本文主要对多种特征在不同的层面的融合方式进行研究,主要内容如下：第一,从高光谱遥感数据的构成、特性,以及应用的领域及国内外的研究现状等方面,说明了高光谱图像分类研究的重要意义。总结了高光谱遥感图像特征提取与融合的原理,特别介绍了特征层面和决策融合的原理和经典的方法。阐述了高光谱数据分类的原理与流程,并对分类效果的评价机制的几个重要指标进行了说明。第二,设计了一个基于多特征的加权残差相加的融合策略。这些特征包括提取到的光谱特征、LBP和Gabor空间特征。在这个分类模型中,将每个图像数据在分别进行3种特征提取之后用分类器(SRC或NRS)进行表示后的3个残差通过加权相加的方式融合到一起,得到的最终的表示残差值即为最后分类的依据。实验证明,此分类框架的分类精度远远高于只使用一种特征的分类模型。第三,提出另外一种基于加权核合并的空间特征融合策略。这是因为,基于残差融合的多特征融合方式虽然实现了分类精度的提高,对以往的融合方式进行了改进,但是在分类器的选择上存在着局限性,过度依赖于基于表示模型的分类器。此融合策略将提取的LBP和Gabor空间特征通过复合核的方式进行特征层面的融合。在这一分类系统中,两种空间特征首先通过计算转化为核函数的形式,并且根据Mercer核的相关性质,对两个核函数进行加权的合并,再通过KCRC分类器进行分类。经过试验证明其分类效果优于原始的KCRC、LBP-KCRC和Gabor-KCRC等分类策略,实现了融合的效果。
【关键词】：局部二值模型(LBP) 最小正则子空间(NRS) Gabor特征 核 高光谱图像分类
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要4-6
• abstract6-12
• 第一章 绪论12-18
• 1.1 课题背景及研究意义12
• 1.2 高光谱图像的特性12-14
• 1.3 高光谱图像数据研究概况14-16
• 1.4 课题的研究重点16
• 1.5 论文内容与组织结构16-18
• 第二章 高光谱遥感图像融合及分类技术18-30
• 2.1 遥感图像融合技术18-25
• 2.1.1 像素级图像融合18-22
• 2.1.2 特征级图像融合22-24
• 2.1.3 决策级图像融合24-25
• 2.2 高光谱图像分类25-29
• 2.2.1 监督分类方法25-28
• 2.2.2 分类效果评价28-29
• 2.3 本章小结29-30
• 第三章 表示框架下的多特征决策融合分类模型30-50
• 3.1 光谱特征提取30-31
• 3.2 空间特征提取31-35
• 3.2.1 Gabor小波特征31-33
• 3.2.2 局部二值模型特征33-35
• 3.3 表示模型分类器35-37
• 3.3.1 最近正则化子空间分类算法36-37
• 3.3.2 稀疏表示分类器37
• 3.4 基于冗余融合的协作表示模型37-38
• 3.5 实验结果与分析38-48
• 3.5.1 实验数据介绍38-40
• 3.5.2 参数调节优化40-43
• 3.5.3 实验结果分析43-48
• 3.6 本章小结48-50
• 第四章 表示框架下基于特征融合的分类模型50-60
• 4.1 核的概念50-51
• 4.2 基于核的分类器51-52
• 4.2.1 基于核的协作表示分类器51-52
• 4.2.2 基于核的稀疏表示分类器52
• 4.3 分类系统模型52-53
• 4.4 实验结果与分析53-58
• 4.4.1 参数调节53-55
• 4.4.2 实验结果分析55-58
• 4.5 本章小结58-60
• 第五章 结论与展望60-62
• 5.1 结论60
• 5.2 展望60-62
• 参考文献62-66
• 致谢66-68
• 研究成果及发表的学术论文68-70
• 作者和导师简介70-72
• 附件72-73

【参考文献】

中国期刊全文数据库 前10条

1 孙钊;高光谱遥感的应用[J];贵州教育学院学报(自然科学);2004年04期

2 韩玲,吴汉宁;多源遥感影像数据融合的理论与技术[J];西北大学学报(自然科学版);2004年04期

3 张卡,盛业华,张书毕;遥感新技术的若干进展及其应用[J];遥感信息;2004年02期

4 杨哲海,韩建峰,宫大鹏,李之歆;高光谱遥感技术的发展与应用[J];海洋测绘;2003年06期

5 夏建涛,何明一;基于SVM的高维多光谱图像分类算法及其特性的研究[J];计算机工程;2003年13期

6 马毅,张杰,张汉德,刘宇中;中国海洋航空高光谱遥感应用研究进展[J];海洋科学进展;2002年04期

7 夏明革,何友,欧阳文;像素级图像融合方法与融合效果评价[J];遥感技术与应用;2002年04期

8 申广荣,王人潮;植被高光谱遥感的应用研究综述[J];上海交通大学学报(农业科学版);2001年04期

9 程一松,胡春胜;高光谱遥感在精准农业中的应用[J];农业系统科学与综合研究;2001年03期

10 翟国君,黄谟涛,欧阳永忠,管铮;海洋测绘的现状与发展[J];测绘通报;2001年06期

，

本文编号：667710