基于信息熵的自训练半监督高光谱遥感影像分类研究

发布时间：2017-04-11 06:18

  本文关键词：基于信息熵的自训练半监督高光谱遥感影像分类研究，由笔耕文化传播整理发布。

【摘要】：高光谱遥感是现代遥感技术的一个里程碑式的发展标志,已是遥感领域的研究热点,其中高光谱影像自动分类又是高光谱遥感的关键。为了适应高光谱影像自动分类技术对分类精度、分类稳定性、算法普适性的现实要求,本文在分析现有监督和非监督分类存在不足的基础上,围绕着半监督机器学习理论和信息熵理论对高光谱遥感影像自动分类技术开展了细致深入的研究,主要研究工作和创新性研究成果如下:(1)针对高光谱影像监督分类方法对训练集中有标记标签数量要求高、最终分类精度低和当前半监督分类方法中存在的构建模型复杂、方法实现困难等存在的问题,提出基于多分类Logistic回归与Renyi熵融合的自训练半监督高光谱影像分类方法。多分类Logistic算法利用少量的有标记训练样本对高光谱数据类别进行预测并输出类别概率信息,然后利用Renyi熵理论对无标记标签进行有标记标注,补充到训练集中,扩充训练集规模后再进行迭代分类预测,最终算法稳定收敛结束。通过5种不同高光谱遥感数据与多种监督分类算法的比较试验结果表明,与常规的监督分类方法相比较分类精度提高了1%-25.93%,且分类效果均优于常规的监督分类方法。(2)构建基于概率支持向量机与D-S证据理论融合的自训练半监督高光谱影像分类方法。该方法利用概率支持向量机算法的快速类别预测能力以提升自训练半监督高光谱影像分类过程的速度,利用证据理论的合成规则以提升无标记标签转化为有标记标签的质量。通过与多分类Logistic回归与Renyi熵融合的自训练半监督分类方法的比较试验结果表明,在分类精度方面略有提高,最高达4.46%;运行效率方面有了明显的改善,提升幅度达25.97%-59.70%。(3)针对研究高光谱数据维数约减对自训练半监督分类方法的分类效率和分类质量的影响,提出基于噪声估计与最小Renyi交叉熵融合的高光谱遥感影像波段选择方法。线性回归的噪声估计方法对高光谱影像数据中随机噪声进行估计,然后利用Renyi交叉熵理论选择原始影像中最大光谱信息量的波段,最后利用皮尔森相关系数法理论对这些波段进行组合。大量的试验结果表明,该方法去除了数据中的冗余波段,降维后的波段保留有效的光谱信息,与自训练半监督的高光谱遥感影像分类方法结合使用,在保持优良分类效果和分类精度的前提下,显著提高了运行效率,比降维前提高了7%-30%。
【关键词】：高光谱遥感 半监督分类 信息熵 降维技术 多分类线性回归 概率支持向量机
【学位授予单位】：河南理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 致谢4-6
• 摘要6-8
• Abstract8-12
• 1 绪论12-26
• 1.1 研究背景及意义12-14
• 1.2 高光谱遥感影像分类技术的研究现状14-16
• 1.2.1 基于光谱特征分析与匹配的高光谱遥感影像分类方法14
• 1.2.2 基于统计机器学习理论的高光谱遥感影像分类方法14-16
• 1.2.3 存在的问题16
• 1.3 半监督分类方法的研究现状16-20
• 1.4 基于半监督学习的高光谱遥感影像分类方法研究现状20-22
• 1.5 论文的研究内容和技术路线22-23
• 1.6 论文的章节安排23-26
• 2 高光谱遥感影像的预处理及试验图像26-42
• 2.1 高光谱遥感影像的获取技术26-27
• 2.1.1 光学成像26
• 2.1.2 空间扫描26-27
• 2.1.3 光谱分光27
• 2.2 高光谱遥感影像的预处理技术27-29
• 2.2.1 大气辐射校正27-28
• 2.2.2 几何校正28-29
• 2.2.3 噪声去除29
• 2.3 试验图像介绍29-40
• 2.3.1 AVIRIS类型的高光谱遥感影像30-32
• 2.3.2 Hyperion高光谱遥感影像32-34
• 2.3.3 PHI类型的高光谱遥感影像数据34-36
• 2.3.4 OMIS高光谱遥感影像36-38
• 2.3.5 UHD高光谱遥感影像38-40
• 2.4 本章小结40-42
• 3 多分类Logistic回归与Renyi熵融合的自训练半监督分类方法42-68
• 3.1 多分类Logistic回归算法原理42-46
• 3.1.1 二分类Logistic回归模型43
• 3.1.2 多分类Logistic回归模型43-45
• 3.1.3 Logistic回归模型参数估计45-46
• 3.2 信息熵与Renyi熵原理46-47
• 3.2.1 信息熵46-47
• 3.2.2 Renyi熵47
• 3.3 算法融合后的半监督分类方法47-49
• 3.3.1 问题的描述48
• 3.3.2 基于多分类Logistic算法的高光谱分类过程48
• 3.3.3 基于Renyi熵理论的非标记标签转换过程48-49
• 3.4 算法的过程49-50
• 3.5 试验结果与分析50-67
• 3.5.1 各种算法分类性能的比较51-66
• 3.5.2 试验分析与评价66-67
• 3.6 本章小结67-68
• 4 概率支持向量机与 D-S 证据理论融合的自训练半监督分类方法68-90
• 4.1 支持向量机和概率支持向量机理论68-74
• 4.1.1 线性二分类支持向量机模型68-70
• 4.1.2 非线性二分类支持向量机模型70-72
• 4.1.3 多分类支持向量机模型72-73
• 4.1.4 二分类概率支持向量机模型73-74
• 4.2 D-S证据理论原理74-75
• 4.2.1 证据理论的基本概念74-75
• 4.2.2 证据理论的合成法则75
• 4.3 算法融合后的半监督分类方法75-77
• 4.3.1 基于概率支持向量机算法的高光谱分类过程76
• 4.3.2 基于D-S证据理论的非标记标签转换过程76-77
• 4.4 算法的过程77-78
• 4.5 试验结果与分析78-89
• 4.5.1 各种算法分类性能的比较79-88
• 4.5.2 试验分析与评价88-89
• 4.6 本章小结89-90
• 5 基于噪声估计与最小Renyi交叉熵融合的波段选择方法90-112
• 5.1 基于线性回归模型的噪声估计方法90-91
• 5.2 交叉熵和Renyi交叉熵91-92
• 5.2.1 交叉熵91-92
• 5.2.2 Renyi交叉熵92
• 5.3 波段相关性判定92-93
• 5.3.1 波段等分分组92
• 5.3.2 皮尔逊相关系数92-93
• 5.4 算法融合后的波段选择流程93-94
• 5.5 试验与结果分析94-111
• 5.5.1 算法降维性能的比较94-110
• 5.5.2 试验分析与评价110-111
• 5.6 本章小结111-112
• 6 总结与展望112-116
• 6.1 总结112-113
• 6.2 创新点113
• 6.3 工作展望113-116
• 参考文献116-129

【相似文献】

中国期刊全文数据库 前10条

1 刘桂生;葛根旺;;基于遥感影像的土地利用监督分类探讨[J];城市勘测;2008年03期

2 刘建南;冷亮;杨国东;;遥感影像平行六面体法则监督分类与目视识别的对比分析[J];才智;2009年19期

3 孔令富;李海涛;;基于免疫无监督分类的老年人行为分析[J];吉林大学学报(工学版);2011年06期

4 郑明国,秦明周;利用众数滤波对监督分类训练样本纯化的研究[J];信阳师范学院学报(自然科学版);2003年03期

5 程希平;遥感数字图像的比值处理及其在监督分类中的应用[J];地球科学;1988年01期

6 巢宁佳;;遥感影像监督分类[J];江西测绘;2007年04期

7 赵建华;;一种基于交叉验证思想的半监督分类方法[J];西南科技大学学报;2014年01期

8 罗琴;田铮;;高光谱图像无监督分类的非线性特征提取器[J];宇航学报;2007年05期

9 杜友田;辛刚;郑庆华;;融合异构信息的网络视频在线半监督分类方法[J];西安交通大学学报;2013年07期

10 刘志刚,史文中,李德仁,秦前清;一种基于支撑向量机的遥感影像不完全监督分类新方法[J];遥感学报;2005年04期

中国重要会议论文全文数据库 前5条

1 马平燕;;基于ERDAS的土地利用监督分类探讨[A];江苏省测绘学会2007年学术年会论文集[C];2008年

2 马平燕;;基于ERDAS的土地利用监督分类探讨[A];江苏省测绘学会2007'学术年会论文集[C];2008年

3 赵伟颖;;极化SAR监督分类方法对植被分类效果比较分析[A];第九届长三角科技论坛（测绘分论坛）论文集[C];2012年

4 袁金国;;遥感影像监督分类方法的应用研究[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 王强;孙洪;;基于支持向量机的多极化SAR图像监督分类[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

中国博士学位论文全文数据库 前3条

1 王春阳;基于信息熵的自训练半监督高光谱遥感影像分类研究[D];河南理工大学;2015年

2 可婷;部分监督分类问题的研究[D];中国农业大学;2014年

3 黄东山;特征选择及半监督分类方法研究[D];华中科技大学;2011年

中国硕士学位论文全文数据库 前7条

1 贾敏;脑机接口中半监督分类方法研究[D];燕山大学;2012年

2 张兴娟;石家庄市绿地调查研究与分析[D];辽宁工程技术大学;2009年

3 韩花;基于监督分类的土地利用动态变化监测及其信息自动提取[D];长安大学;2012年

4 蒋霞;极化SAR图像无监督分类方法研究[D];电子科技大学;2015年

5 吕浩然;基于树分解的大规模半监督分类算法[D];华南理工大学;2012年

6 陆广泉;半监督分类技术及其算法研究[D];广西师范大学;2011年

7 石瑞超;关系网络数据的半监督分类方法研究[D];哈尔滨工业大学;2013年

  本文关键词：基于信息熵的自训练半监督高光谱遥感影像分类研究，由笔耕文化传播整理发布。

，

本文编号：298496