面向高光谱图像分类的特征提取与选择方法研究
发布时间：2022-02-09 08:29
高光谱图像刻画了不同地表物在狭窄光谱带下的上百种光谱特征,反映了不同地物对象的化学、物理和光学性质,在精准农业、矿物质勘探和环境监测等领域得到了广泛的应用。然而固有的成像机理和复杂的地表环境使高光谱图像分析面临严峻的挑战:不同种类的噪音污染;同物异谱和同谱异物现象;标记样本的不足与冗余的高维光谱之间的矛盾等。此外,随着数据获取技术的发展,如何对大量的、动态的高光谱数据进行快速高效的处理成为日益严峻的挑战。本论文在分析稀疏学习、流形结构嵌入和损失性度量等理论的基础上,结合高光谱图像的固有性质,研究了多种面向高光谱像素分类的特征提取和特征选择技术。论文的主要研究工作如下:针对高光谱图像分类中的同物异谱和同谱异物现象,本论文提出了一种融合光谱、空间和标签信息的稀疏编码方法。该方法通过空间划分来分布式地编码高维像素在低维空间的表示,结合融合光谱与标签信息的超图,使同类像素的低维特征的结构分布更加紧凑,从而增加不同类像素之间的可区分度,提高新特征的判别性与鲁棒性。在真实的高光谱数据集上,进行了大量与其他运用广泛的特征提取方法之间的对比实验,实验结果表明本文提出的特征提取方法有效地提升了不同地表物...
【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】：139 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 高光谱图像性质及带来的挑战
1.2.2 高光谱图像分类
1.2.3 高光谱图像降维
1.3 论文研究内容及章节安排
1.3.1 研究内容
1.3.2 章节安排
第2章 基于多信息融合的稀疏编码特征提取
2.1 稀疏编码和基于图和超图的拉普拉斯算子
2.1.1 稀疏编码
2.1.2 基于图与超图的拉普拉斯正则化
2.2 基于图和超图的多信息融合稀疏编码
2.2.1 图正则化的多信息融合稀疏编码
2.2.2 超图正则化的多信息融合稀疏编码
2.2.3 优化求解
2.3 实验结果及分析
2.3.1 实验数据
2.3.2 性能评价指标
2.3.3 实验设置
2.3.4 实验结果
2.3.5 参数分析
2.4 本章小结
第3章 基于矩阵边缘最大化和差异驱动的特征选择
3.1 支持向量机和双正则支持向量机简介
3.2 基于矩阵边缘最大化的数据驱动差异的特征选择模型
3.2.1 M3D3模型构建
3.2.2 类相关的M3D3模型
3.2.3 类相关的特征选择和分类
3.2.4 M3D3模型优化
3.2.5 M3D3求解模型的时间复杂度分析
3.3 实验结果及分析
3.3.1 实验数据
3.3.2 性能评价指标
3.3.3 实验设置
3.3.4 实验结果
3.3.5 参数分析
3.4 本章小结
第4章 基于局部视角标签对齐的判别性特征选择
4.1 符号定义和超图构造
4.1.1 基本符号和定义
4.1.2 超图构造
4.2 基于局部视角标签对齐的特征选择模型
4.2.1 Lva ALa模型构建
4.2.2 Lva ALa模型优化
4.2.3 Lva ALa模型时间复杂度分析
4.3 实验结果及分析
4.3.1 实验设置
4.3.2 实验结果
4.3.3 参数分析
4.4 本章小节
第5章 基于量化自表示学习的无监督特征选择
5.1 基于自表示学习的特征选择
5.1.1 基本符号和定义
5.1.2 基于自表示学习的特征选择
5.2 基于量化自表示学习的特征选择模型
5.2.1 SOP-SRL模型构建
5.2.2 SOP-SRL模型优化
5.2.3 SOP-SRL模型时间复杂度分析
5.3 实验结果及分析
5.3.1 实验数据
5.3.2 实验设置
5.3.3 实验结果
5.3.4 参数分析
5.4 本章小结
结论
参考文献
致谢
附录A 攻读学位期间所发表的学术论文
附录B 攻读学位期间参与的研究项目
【参考文献】：
期刊论文
[1]高光谱遥感技术发展与展望[J]. 张淳民,穆廷魁,颜廷昱,陈泽宇. 航天返回与遥感. 2018(03)
[2]高光谱成像技术在故宫书画文物保护中的应用[J]. 史宁昌,李广华,雷勇,吴太夏. 文物保护与考古科学. 2017(03)
[3]中国高光谱遥感的前沿进展[J]. 童庆禧,张兵,张立福. 遥感学报. 2016(05)
[4]利用Hyperion星载高光谱传感器监测太湖水质的研究[J]. 阎福礼,王世新,周艺,肖青,祝令亚,王丽涛,焦云清. 红外与毫米波学报. 2006(06)
本文编号：3616693
【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】：139 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 高光谱图像性质及带来的挑战
1.2.2 高光谱图像分类
1.2.3 高光谱图像降维
1.3 论文研究内容及章节安排
1.3.1 研究内容
1.3.2 章节安排
第2章 基于多信息融合的稀疏编码特征提取
2.1 稀疏编码和基于图和超图的拉普拉斯算子
2.1.1 稀疏编码
2.1.2 基于图与超图的拉普拉斯正则化
2.2 基于图和超图的多信息融合稀疏编码
2.2.1 图正则化的多信息融合稀疏编码
2.2.2 超图正则化的多信息融合稀疏编码
2.2.3 优化求解
2.3 实验结果及分析
2.3.1 实验数据
2.3.2 性能评价指标
2.3.3 实验设置
2.3.4 实验结果
2.3.5 参数分析
2.4 本章小结
第3章 基于矩阵边缘最大化和差异驱动的特征选择
3.1 支持向量机和双正则支持向量机简介
3.2 基于矩阵边缘最大化的数据驱动差异的特征选择模型
3.2.1 M3D3模型构建
3.2.2 类相关的M3D3模型
3.2.3 类相关的特征选择和分类
3.2.4 M3D3模型优化
3.2.5 M3D3求解模型的时间复杂度分析
3.3 实验结果及分析
3.3.1 实验数据
3.3.2 性能评价指标
3.3.3 实验设置
3.3.4 实验结果
3.3.5 参数分析
3.4 本章小结
第4章 基于局部视角标签对齐的判别性特征选择
4.1 符号定义和超图构造
4.1.1 基本符号和定义
4.1.2 超图构造
4.2 基于局部视角标签对齐的特征选择模型
4.2.1 Lva ALa模型构建
4.2.2 Lva ALa模型优化
4.2.3 Lva ALa模型时间复杂度分析
4.3 实验结果及分析
4.3.1 实验设置
4.3.2 实验结果
4.3.3 参数分析
4.4 本章小节
第5章 基于量化自表示学习的无监督特征选择
5.1 基于自表示学习的特征选择
5.1.1 基本符号和定义
5.1.2 基于自表示学习的特征选择
5.2 基于量化自表示学习的特征选择模型
5.2.1 SOP-SRL模型构建
5.2.2 SOP-SRL模型优化
5.2.3 SOP-SRL模型时间复杂度分析
5.3 实验结果及分析
5.3.1 实验数据
5.3.2 实验设置
5.3.3 实验结果
5.3.4 参数分析
5.4 本章小结
结论
参考文献
致谢
附录A 攻读学位期间所发表的学术论文
附录B 攻读学位期间参与的研究项目
【参考文献】：
期刊论文
[1]高光谱遥感技术发展与展望[J]. 张淳民,穆廷魁,颜廷昱,陈泽宇. 航天返回与遥感. 2018(03)
[2]高光谱成像技术在故宫书画文物保护中的应用[J]. 史宁昌,李广华,雷勇,吴太夏. 文物保护与考古科学. 2017(03)
[3]中国高光谱遥感的前沿进展[J]. 童庆禧,张兵,张立福. 遥感学报. 2016(05)
[4]利用Hyperion星载高光谱传感器监测太湖水质的研究[J]. 阎福礼,王世新,周艺,肖青,祝令亚,王丽涛,焦云清. 红外与毫米波学报. 2006(06)
本文编号：3616693
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3616693.html
