收藏本站
《浙江大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于高斯过程的高光谱图像分类研究

姚伏天  
【摘要】:为利用高光谱成像光谱仪,高光谱图像可通过数百个连续且细分的光谱波段对地表区域同时成像,进而获得三维图像数据。高光谱图像信息通过较窄的波段区间、较多的波段数量而提供。高光谱图像能被用于从光谱空间中对地物予以细分和识别,这是其能够在军事和民用领域得到广泛应用的重要原因。 当前,在高光谱图像分类领域,核函数方法因具有可解决非线性问题和数据特征维数过多问题的能力,而受到科研人员越来越多的关注,逐步成为研究热点。最近几年,支持向量机作为一种核函数方法广泛被应用于高光谱图像分类。但是,支持向量机本身存在诸如核函数中超参数难以选择、输出结果不具有概率意义等问题,限制了其进一步的推广。 高斯过程也是一种基于核函数的方法。它具有完全的贝叶斯公式化表示,能够明确的进行概率建模,使结果更易于解释。高斯过程的贝叶斯学习提供了一个范式,可以根据训练样本,实现从先验分布到后验分布的转换,以及对核函数超参数的推理。 本文以基于高斯过程的高光谱图像分类技术作为主要研究内容,针对高光谱图像波段数多,波段间相关性和空间相关性强,带标记训练样本过少的特点,将高斯过程理论与亲和传播聚类算法、综合波段特征与空间特征构造空间约束核函数方法、条件随机场理论和半监督核函数理论相结合,对高光谱图像分类进行研究。主要的创新性研究成果如下: 1.高光谱图像有监督分类时,若训练样本数目有限,会出现"Hughes"现象,即分类精度先随着图像波段数目的增加而增加,当到达一定极值后,分类精度又随着波段数目的增加而下降。为避免"Hughes"现象,高光谱图像分类前应先进行波段选择。本文在高光谱图像波段选择理论基础上,提出了基于波段选择的高斯过程高光谱图像分类方法,该方法先用亲和传播(Affinity Propagation)方法进行波段选择,再用高斯过程进行高光谱图像分类。实验结果表明,基于波段选择的高斯过程高光谱图像分类方法能够在较少的波段数下取得较好的分类结果。 2.高光谱图像不仅拥有较高的谱段分辨率,而且像素点之间有很强的空间相邻关系。本文通过综合波段相关性和空间相关性构造空间约束核函数,提出了空间约束核函数高斯过程分类方法。实验结果表明,空间约束核函数高斯过程分类方法部分消除了同物异谱和同谱异物造成的分类错误。 3.为进一步利用高光谱图像的空间结构,本文将高斯过程和条件随机场理论相结合,提出了用于高光谱图像的高斯过程与条件随机场集成分类方法。实验结果表明,高斯过程与条件随机场集成分类方法能够有效减少高光谱图像中的孤立噪声点,进而提高高光谱图像分类精度。 4.高光谱图像分类中,经常遇到带标记训练样本不足的问题。半监督学习理论可有效利用少数带标记样本和大量易于获得的无标记样本,从而可以改善分类和预测精度。本文根据高光谱图像像素点之间空间局部相关性较强的特性,基于半监督流形假设,通过构造半监督核函数,创新地提出一种用于高光谱图像分类的半监督核函数高斯过程方法。一方面,该方法为非线性方法,对高维非线性的高光谱图像可以取得较好的分类效果;另一方面,该方法为非参数方法,仅需要对少数几个超参数进行学习,速度较快,也比较简单。实验结果表明,在只有少量带标记的训练样本情况下,高光谱图像分类精度有明显的提高。 本文提出的基于高斯过程高光谱图像分类的多个方法,能够较好地针对高光谱图像波段数众多、光谱波段相关性和空间相关性强、以及带标记训练样本过少的特点,从而在标准高斯过程高光谱分类基础上进行改进,有较高的分类精度和较强的适应性。在本文最后,对全文做了总结并展望了未来的研究方向。
【学位授予单位】:浙江大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TP751.1

知网文化
【参考文献】
中国期刊全文数据库 前8条
1 贺霖;潘泉;邸韡;李远清;;高光谱图像高维多尺度自回归有监督检测[J];自动化学报;2009年05期
2 李宏伟;刘扬;卢汉清;方亦凯;;结合半监督核的高斯过程分类[J];自动化学报;2009年07期
3 冯莉;李满春;李飞雪;;基于遗传算法的遥感图像纹理特征选择[J];南京大学学报(自然科学版);2008年03期
4 姚伏天;钱沄涛;;用于高光谱遥感图像分类的空间约束高斯过程方法[J];南京大学学报(自然科学版);2009年05期
5 杨国鹏;余旭初;陈伟;刘伟;;基于核Fisher判别分析的高光谱遥感影像分类[J];遥感学报;2008年04期
6 于秀兰,莫虹,钱国蕙,贾晓光;FTe~^bi随机场模型在多光谱遥感图像分类中的应用[J];中国农业资源与区划;1999年05期
7 熊桢,童庆禧,郑兰芬;用于高光谱遥感图象分类的一种高阶神经网络算法[J];中国图象图形学报;2000年03期
8 赵鹏飞;钱沄涛;郑文斌;李吉明;居斌;;基于图像与文本特征的在线生物文献MRI图像库构建[J];中国生物医学工程学报;2010年05期
中国博士学位论文全文数据库 前2条
1 刘春红;超光谱遥感图像降维及分类方法研究[D];哈尔滨工程大学;2005年
2 贾森;非监督的高光谱图像解混技术研究[D];浙江大学;2007年
中国硕士学位论文全文数据库 前1条
1 谢秋昌;基于高光谱数据的分类技术研究[D];长安大学;2008年
【共引文献】
中国期刊全文数据库 前10条
1 隋学艳;朱振林;朱传宝;杨丽萍;姚慧敏;郭洪海;;基于MODIS数据的山东省小麦株高遥感估算研究[J];山东农业科学;2009年02期
2 陈军;王洪仁;;基于高光谱红边参数的棉花冠层覆盖度提取研究[J];安徽农学通报(上半月刊);2009年09期
3 刘占宇;周湾;张莉丽;;入侵植物加拿大一枝黄花的高光谱特性研究[J];安徽农学通报(上半月刊);2011年07期
4 王家强;柳维扬;吕双庆;;遥感技术在棉花氮素营养诊断上的应用[J];安徽农业科学;2006年22期
5 陆伟;毛罕平;;高光谱技术在作物信息诊断监测中的应用[J];安徽农业科学;2007年06期
6 樊科研;田丽萍;王进;杜培林;;基于冠层高光谱遥感对加工番茄产量的估算模型[J];安徽农业科学;2008年10期
7 于祥;刘香华;;基于神经网络的黄河三角洲土地利用遥感获取技术研究[J];安徽农业科学;2009年04期
8 陈拉;;高光谱遥感数据在植被信息提取中的应用研究[J];安徽农业科学;2009年08期
9 洪霞;江洪;余树全;;高光谱遥感在精准农业生产中的应用[J];安徽农业科学;2010年01期
10 黄恩兴;;土壤盐渍化遥感应用研究进展[J];安徽农业科学;2010年13期
中国重要会议论文全文数据库 前10条
1 汪震;洪津;张冬英;罗军;;液晶可调谐滤光片在遥感探测中的应用研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
2 龚绍琦;王鑫;沈润平;刘振波;李云梅;;滨海盐土重金属高光谱遥感研究[A];全国农业遥感技术研讨会论文集[C];2009年
3 燕志明;;“3S”的现状与发展展望内蒙古科技大学高等职业技术学院[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
4 熊显名;王冰冰;滕惠忠;;基于IDL的高光谱数据可视化分析[A];第二十一届海洋测绘综合性学术研讨会论文集[C];2009年
5 朱艳;姚霞;冯伟;曹卫星;田永超;;基于高光谱遥感的小麦叶片氮含量监测研究[A];作物逆境生理研究进展——中国作物生理第十次学术研讨会文集[C];2007年
6 刘志明;吴文健;张勇;;植物叶片仿生伪装结构模型设计[A];第六届中国功能材料及其应用学术会议论文集(8)[C];2007年
7 刘磊;沈润平;丁国香;;基于高光谱的土壤有机质含量估算研究[A];2009第五届苏皖两省大气探测、环境遥感与电子技术学术研讨会专辑[C];2009年
8 何挺;王静;程烨;林宗坚;;土壤氧化铁光谱特征研究[A];新技术在土地调查中的应用与土地科学技术发展-2005年中国土地学会学术年会论文集[C];2005年
9 李彬彬;易宝林;刘斌;;基于信源学的植被光谱数据的存储技术研究[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年
10 孙向军;刘凯龙;赵志勇;李雪涛;;高光谱成像及仿真技术途径探索[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 林颖;基于水平集方法的图像分割关键技术研究[D];哈尔滨工程大学;2010年
2 郑光辉;江苏部分地区土壤属性高光谱定量估算研究[D];南京大学;2011年
3 杨国鹏;基于机器学习方法的高光谱影像分类研究[D];解放军信息工程大学;2010年
4 陈兵;基于多平台棉花黄萎病的遥感监测研究[D];石河子大学;2010年
5 黄远程;高光谱影像混合像元分解的若干关键技术研究[D];武汉大学;2010年
6 李金文;基于水稻叶片生理生态学特征的氮营养诊断[D];浙江大学;2010年
7 陈进;高光谱图像分类方法研究[D];国防科学技术大学;2010年
8 刘美玲;融合多元环境因子的水稻重金属污染水平遥感评估模型[D];中国地质大学(北京);2011年
9 任瑞治;MODIS卫星遥感图像预处理方法研究[D];吉林大学;2011年
10 蒋立军;分区标准化方法在遥感找矿中的应用研究[D];吉林大学;2011年
中国硕士学位论文全文数据库 前10条
1 胡红;矿区植物胁迫作用与遥感信息提取[D];山东科技大学;2010年
2 雷彤;基于高光谱的苹果花期果期光谱特征分析及其果量估测[D];山东农业大学;2010年
3 宋晓玥;基于TDPCA与SPIHT的高光谱压缩和降维算法研究[D];哈尔滨工程大学;2009年
4 邓禄群;高光谱图像类别信息相关技术研究[D];哈尔滨工程大学;2010年
5 刘美玲;基于综合策略支持向量机的孤立点检测技术[D];大连理工大学;2010年
6 谢小赞;亚热带典型植物对酸雨和氮沉降胁迫的高光谱响应研究[D];浙江农林大学;2010年
7 马一薇;高光谱遥感图像融合技术与质量评价方法研究[D];解放军信息工程大学;2010年
8 林如强;基于LAI的航天遥感图像仿真与系统集成[D];福建师范大学;2010年
9 刘璇;杉木主要生物化学参数的高光谱遥感估算模型研究[D];中南林业科技大学;2010年
10 伍小明;基于核方法的高光谱遥感图像解混技术研究[D];浙江大学;2011年
【二级参考文献】
中国期刊全文数据库 前10条
1 游晓斌,游先祥,相莹莹;混合像元及混合像元分析[J];北京林业大学学报;2003年S1期
2 熊兴华,钱曾波,王任享;遗传算法与最小二乘法相结合的遥感图像子像素匹配[J];测绘学报;2001年01期
3 骆剑承,王钦敏,马江洪,周成虎,梁怡;遥感图像最大似然分类方法的EM改进算法[J];测绘学报;2002年03期
4 周前祥,敬忠良;高光谱遥感图像联合加权随机分类器的设计与应用[J];测绘学报;2004年03期
5 术洪磊,毛赞猷;GIS辅助下的基于知识的遥感影像分类方法研究——以土地覆盖/土地利用类型为例[J];测绘学报;1997年04期
6 骆玉霞,陈焕伟;遥感图像的特征提取与选择研究[J];信息记录材料;2002年02期
7 王国明,孙立新;高光谱遥感影像优化分类波段选择[J];东北测绘;1999年04期
8 杨存建,周成虎;基于知识的遥感图像分类方法的探讨[J];地理学与国土研究;2001年01期
9 童庆禧;遥感科学技术进展[J];地理学报;1994年S1期
10 张贤达,保铮;盲信号分离[J];电子学报;2001年S1期
中国博士学位论文全文数据库 前5条
1 夏建涛;基于机器学习的高维多光谱数据分类[D];西北工业大学;2002年
2 刘正军;高维遥感数据土地覆盖特征提取与分类研究[D];中国科学院研究生院(遥感应用研究所);2003年
3 耿修瑞;高光谱遥感图像目标探测与分类技术研究[D];中国科学院研究生院(遥感应用研究所);2005年
4 尚丽;稀疏编码算法及其应用研究[D];中国科学技术大学;2006年
5 王鹏伟;基于多尺度理论的图像分割方法研究[D];中国科学技术大学;2007年
中国硕士学位论文全文数据库 前1条
1 薛绮;基于线性混合模型的高光谱图像端元提取方法研究[D];国防科学技术大学;2004年
【相似文献】
中国期刊全文数据库 前10条
1 张立燕;谌德荣;李世义;曹旭平;;基于低概率检测的高光谱图像有损压缩方法研究[J];弹箭与制导学报;2008年01期
2 李杰;赵春晖;梅锋;;利用背景残差数据检测高光谱图像异常[J];红外与毫米波学报;2010年02期
3 李婷;陈小梅;陈刚;薛博;倪国强;;一种双正则项全变差高光谱图像去噪算法[J];光谱学与光谱分析;2011年01期
4 王晋;张晓玲;沈兰荪;柴焱;;一种基于网格编码量化的高光谱图像无损压缩方法[J];中国图象图形学报;2006年01期
5 谷延锋;刘颖;贾友华;张晔;;基于光谱解译的高光谱图像奇异检测算法[J];红外与毫米波学报;2006年06期
6 王晋;张晓玲;柴焱;沈兰荪;;一种基于自适应预测的高光谱图像近无损压缩方法[J];计算机应用研究;2007年05期
7 谌德荣;张立燕;陶鹏;曹旭平;;结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法[J];宇航学报;2007年03期
8 张立燕;谌德荣;陶鹏;;基于顶点成分分析的高光谱图像低概率异常检测方法研究[J];宇航学报;2007年05期
9 陈雨时;张晔;谷延锋;;基于特征选择的高光谱图像快速矢量量化算法[J];哈尔滨工业大学学报;2007年11期
10 张立燕;谌德荣;陶鹏;;端元提取技术在高光谱图像压缩中的应用[J];光谱学与光谱分析;2008年07期
中国重要会议论文全文数据库 前10条
1 高云;李小昱;刘长举;周竹;;基于高光谱图像技术的霉烂板栗识别研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
2 高洪燕;毛罕平;张晓东;周莹;;番茄叶片氮素反射光谱及高光谱图像的研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
3 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
4 罗春生;薛龙;刘木华;黎静;;基于荧光高光谱图像检测鸭肉嫩度的初步研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
5 刘超;何元磊;黄世奇;刘志刚;王长海;;一种新的高光谱图像有监督特征提取方法[A];国家安全地球物理丛书(六)——空间地球物理环境与国家安全[C];2010年
6 何元磊;黄世奇;易世华;刘志刚;齐玮;;一种基于噪声调节主成分分析的高光谱图像波段选择方法[A];国家安全地球物理丛书(六)——空间地球物理环境与国家安全[C];2010年
7 薛龙;黎静;刘木华;;IDL与ENVI的二次开发在高光谱图像预处理的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
8 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
9 吴传庆;童庆禧;郑兰芬;张兵;赵永超;张霞;;基于小波变换的高光谱图像消噪[A];成像光谱技术与应用研讨会论文集[C];2002年
10 陶斐斐;李永玉;王伟;彭彦昆;;基于高光谱成像技术快速无损伤评价猪肉新鲜度[A];中国食品科学技术学会第八届年会暨第六届东西方食品业高层论坛论文摘要集[C];2011年
中国重要报纸全文数据库 前4条
1 张红菊;农田:安装“听诊器”[N];科技日报;2004年
2 张向冰 李青滨;我国海洋遥感发展突飞猛进[N];中国海洋报;2003年
3 张彦;“数字省市”颠覆城市区域经济[N];经理日报;2004年
4 本报记者 瞿剑;地下煤火:“静悄悄”的灾害怎样应对?[N];科技日报;2009年
中国博士学位论文全文数据库 前10条
1 梅锋;基于核机器学习的高光谱异常目标检测算法研究[D];哈尔滨工程大学;2009年
2 高恒振;高光谱遥感图像分类技术研究[D];国防科学技术大学;2011年
3 石吉勇;基于高光谱图像技术的设施栽培作物营养元素亏缺诊断研究[D];江苏大学;2012年
4 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年
5 齐滨;高光谱图像分类及端元提取方法研究[D];哈尔滨工程大学;2012年
6 王晓飞;高光谱图像分辨率增强及在小目标检测中的应用研究[D];哈尔滨工业大学;2011年
7 成宝芝;基于光谱特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2012年
8 赵芸;基于高光谱和图像处理技术的油菜病虫害早期监测方法和机理研究[D];浙江大学;2013年
9 陈进;高光谱图像分类方法研究[D];国防科学技术大学;2010年
10 谭琨;基于支持向量机的高光谱遥感影像分类研究[D];中国矿业大学;2010年
中国硕士学位论文全文数据库 前10条
1 邵涛;基于光谱信息的高光谱图像目标识别方法的研究[D];哈尔滨工业大学;2010年
2 唐雪飞;基于案例推理的高光谱图像分类研究[D];哈尔滨工业大学;2010年
3 李江;基于图像融合的高光谱图像分类[D];华中科技大学;2012年
4 陈克清;迷彩伪装服的高光谱特性研究[D];东华大学;2014年
5 周伟;基于像面干涉的高光谱显微成像技术研究[D];南京理工大学;2014年
6 胡倩;基于知识的高光谱图像波谱匹配技术研究与应用[D];中国地质大学(北京);2010年
7 包海燕;高光谱溢油图像分类算法研究[D];大连海事大学;2011年
8 孙旭光;基于高光谱图像目标探测与分类技术研究[D];中国科学院研究生院(光电技术研究所);2013年
9 殷晓平;基于高光谱图像的黄瓜叶片叶绿素含量及其分布预测研究[D];江苏大学;2010年
10 肖倩;结合空间信息与光谱信息的高光谱图像分类研究[D];哈尔滨工程大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026