基于稀疏表征的高光谱图像空谱压缩与分类方法研究

发布时间：2022-01-25 04:57

　　高光谱成像是一种具有“图谱合一”特性的新型遥感监测手段。高光谱遥感图像不仅提供地物大小、形状、方位等空间信息,还同时提供了反映地物材质和成分信息的连续光谱曲线,有效提升了遥感定量分析的准确性和可靠性。近年来,高光谱遥感图像处理已成为遥感领域最热门的研究方向之一,在多个应用领域具有实用价值和发展前景。然而,随着人们对高光谱数据的大量需求和成像传感器的多元化发展,采集的高光谱图像数据量急剧增加,并且空间和光谱分辨率不断提高,使得成像光谱数据呈现出高维度、海量化的趋势,极大增加了采样、存储和传输的负担,制约了高光谱遥感对地观测技术的发展。因而,亟需研究面向高光谱遥感图像的高效空谱压缩方法。此外,高光谱图像存在“维数灾难”、“同谱异物、同物异谱”等问题,导致难以精确辨识不同类别地物,严重影响后续图像分析和场景解译等;而成像分辨率的不断提升使得高光谱遥感图像空间和光谱结构趋于精细化和复杂化,进一步增大了地物精确识别的难度。因而,研究如何深入挖掘并联合利用高光谱图像的多维空谱特性来实现高精度空谱分类是高光谱遥感图像处理领域亟待解决的另一个关键核心问题。稀疏表征作为一种模拟哺乳动物视觉神经感知机制的... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：149 页

【学位级别】：博士

【部分图文】：

“维数灾难”示意图

国内外近十年相关论文发表数量统计

信号的稀疏表征模型示意图

【参考文献】：
期刊论文
[1]基于边缘保持滤波的高光谱影像光谱-空间联合分类[J]. 张成坤,韩敏.  自动化学报. 2018(02)
[2]高光谱遥感影像分类研究进展[J]. 杜培军,夏俊士,薛朝辉,谭琨,苏红军,鲍蕊.  遥感学报. 2016(02)
[3]基于Fisher字典学习稀疏表示的高光谱图像分类[J]. 袁宗泽,孙浩,计科峰,邹焕新.  遥感技术与应用. 2014(04)
[4]水稻冠层氮素含量光谱反演的随机森林算法及区域应用[J]. 李旭青,刘湘南,刘美玲,吴伶.  遥感学报. 2014(04)

博士论文
[1]高光谱遥感影像恢复与分类方法研究[D]. 卢婷.湖南大学 2017
[2]面向图像恢复和识别的稀疏表示方法研究[D]. 方乐缘.湖南大学 2015
[3]基于张量的遥感影像去噪、特征提取和分类方法研究[D]. 郭贤.武汉大学 2015



本文编号：3607934