收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于超像素的高光谱图像分类算法研究

段无悔  
【摘要】:随着高光谱遥感系统技术的迅猛发展,高光谱图像在很多领域越来越被人们广泛应用,其中高光谱图像分类技术已经成为高光谱遥感技术的研究热点。高光谱图像具有高空间分辨率的同时,每个像元蕴含了数百个波段的光谱信息,对地物分类精度的提高有很大帮助。与此同时,如何充分地利用空间信息与光谱信息来进一步提高分类精度也是具有挑战性的。本文针对高光谱图像,研究了通过自适应地提取空间纹理特征,利用空间信息来提高分类精度:1.高光谱图像的超像素分割与特征提取:研究了高光谱图像的超像素分割方法,并且提取超像素的空间信息。超像素是具有相似的纹理、亮度以及颜色等特征的相邻像素构成的图像块。用超像素代替像素进行分类,很大程度上降低复杂度。本文利用超像素算法分割高光谱图像,并且提取超像素块的平均值特征,用到分类中极大地提高了分类精度与效率。2.基于超像素的极限学习机分类方法:研究了将超像素作为整体进行分类,采用极限学习机作为分类器。像素对应光谱特征,而超像素中包含了丰富的空间纹理信息,以超像素代替像素作为分类的基本单元,能够大大降低计算复杂度与提高分类效率。该算法将空间信息与光谱信息结合,运算速度快并且准确率高。3.基于超像素的合成核分类方法:合成核融合了光谱信息与空间信息,空间信息即超像素的平均值特征。本文分别构造了两核与多核函数,充分挖掘了超像素块内的空间信息,以及超像素块与其相邻超像素块之间的信息。合成核可以把在高维空间中内积运算通过原空间中向量间的运算来实现,将样本非线性映射到高维特征空间,从而达到更好的分类效果。真实数据的实验结果表明本文提出的方法有效提高了空谱特征利用率和高光谱遥感图像分类精度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 谌德荣;宫久路;陈乾;曹旭平;;基于样本分割的快速高光谱图像异常检测支持向量数据描述方法[J];兵工学报;2008年09期
2 蒲晓丰;雷武虎;张林虎;蒋奇材;;基于Fukunaga-Koontz变换的高光谱图像异常检测[J];红外技术;2010年04期
3 成宝芝;郭宗光;;高光谱图像波段间相关特性研究[J];大庆师范学院学报;2013年06期
4 杨龙;易宏杰;李因彦;;遥感高光谱图像赤潮识别[J];传感器世界;2007年05期
5 汪倩;陶鹏;;结合空间信息的高光谱图像快速分类方法[J];微计算机信息;2010年21期
6 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期
7 冯朝丽;朱启兵;朱晓;黄敏;;基于光谱特征的玉米品种高光谱图像识别[J];江南大学学报(自然科学版);2012年02期
8 付欢;龙海南;韩晓霞;;基于冗余字典的高光谱图像的稀疏分解[J];河北软件职业技术学院学报;2013年04期
9 耿修瑞,张霞,陈正超,张兵,郑兰芬,童庆禧;一种基于空间连续性的高光谱图像分类方法[J];红外与毫米波学报;2004年04期
10 张绮玮;机载高光谱遥感图像处理软件系统[J];红外;2005年02期
11 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
12 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
13 谌德荣;陶鹏;张立燕;范宁军;;基于区域特征光谱的自组织特征映射神经网络高光谱图像主成分提取方法[J];宇航学报;2007年06期
14 寻丽娜;方勇华;;独立分量分析在高光谱图像舰船检测中的应用[J];计算机仿真;2008年09期
15 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
16 粘永健;王展;万建伟;辛勤;;面向异常检测的高光谱图像压缩技术[J];国防科技大学学报;2009年03期
17 郭雷;常威威;付朝阳;;高光谱图像融合最佳波段选择方法[J];宇航学报;2011年02期
18 梅江涛;李勇;;采用谱间预测的高光谱图像压缩方法研究[J];计算机工程与应用;2011年04期
19 杨月桃;王茂芝;郭科;;一种新的高光谱图像分类方法[J];无线互联科技;2013年09期
20 成宝芝;赵春晖;;基于粒子群优化聚类的高光谱图像异常目标检测[J];光电子.激光;2013年10期
中国重要会议论文全文数据库 前10条
1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年
2 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
3 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学(激光)联合学术‘13年会论文(摘要)集[C];2013年
4 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年
5 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集(下册)[C];2008年
6 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[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
7 高东生;高连知;;基于独立分量分析的高光谱图像目标盲探测方法研究[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年
8 冯维一;陈钱;何伟基;;基于小波稀疏的高光谱目标探测算法[A];黑龙江、江苏、山东、河南、江西 五省光学(激光)联合学术‘13年会论文(摘要)集[C];2013年
9 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
10 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年
2 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年
3 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年
4 魏然;基于成像机理分析的高光谱图像信息恢复研究[D];哈尔滨工业大学;2015年
5 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年
6 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年
7 孙涛;快速多核学习分类研究及应用[D];西安电子科技大学;2015年
8 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年
9 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年
10 南一冰;星载推扫型高光谱运动成像误差建模与高精度校正技术研究[D];北京理工大学;2015年
中国硕士学位论文全文数据库 前10条
1 丰烁;高光谱图像波段选取问题的改进算法研究[D];昆明理工大学;2015年
2 赵伟彦;果蔬干燥过程中的品质无损检测技术研究[D];江南大学;2015年
3 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年
4 刘大洋;基于近红外光谱和高光谱图像技术无损识别猕猴桃膨大果[D];西北农林科技大学;2015年
5 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年
6 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年
7 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年
8 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年
9 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年
10 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978