收藏本站
《华南理工大学》 2012年
收藏 | 手机打开
二维码
手机客户端打开本文

超光谱遥感图像特征提取和分类研究

廖文志  
【摘要】:超光谱遥感图像将反映目标的光谱信息与反映目标空间和几何关系的图像信息有机结合,具有“谱图合一”的特点,能够有效地提高对地物的分类和监测能力,已经被广泛应用于资源勘探、环境监测、灾害评估、精细农业、目标识别等领域且应用领域还在不断扩大。随着科学技术的进步,图像光谱分辨率不断提高,所获取的超光谱遥感图像数据量也越来越大,波段间相关性增高。另外,不同的地物可能具有相同的光谱反射(光谱信息),仅从光谱信息上去识别不同的地物很难得到满意的结果。与中低空间分辨率图像相比,高空间分辨率超光谱遥感图像的信息更加丰富,不仅包含地物的光谱信息,而且还包含了地物的大量结构、纹理、形状等细节信息。使用传统方法对超光谱遥感图像进行分类时,存在小样本问题-训练样本不足、参数估计不可靠,导致数据维数灾难等问题的发生。因此,研究超光谱遥感图像特征提取和分类的方法及技术具有重要的理论意义和广阔的应用前景。 本文在对现有的超光谱遥感图像特征提取方法和技术进行分析和研究的基础上,重点研究超光谱遥感图像的光谱特征和空间特征提取方法,并将其有机融合,有效提高超光谱遥感图像的分类精度和效率,主要研究内容及贡献为: 1.针对超光谱遥感图像中的小样本问题,提出了一种结合局部信息和类别信息的半监督特(SELD)超光谱遥感图像征提取方法。该方法将无监督的特征提取方法(LLFE)和有监督的特征提取方法(LDA)有机结合,为超光谱遥感图像的半监督特征提取方法提供了一种新框架。其中超光谱遥感数据的局部邻域信息是通过SELD中无监督部分(LLFE)利用大量无标识样本来提取与保留;而类别信息则通过SELD中有监督部分(LDA)利用少量有标识样本来实现。实验表明SELD在降低超光谱遥感图像的维数的同时,提取和保留了图像中的局部邻域信息及类别信息,能够有效地提高超光谱遥感图像的分类精度和效率。 2.针对高空间分辨率超光谱城市遥感图像,应用了数学形态学矢量的部分重构技术来提取图像中空间信息。利用传统的数学形态学算子进行开和闭运算能够有效的检测图像中的空间信息(图像中物体的大小和形状信息),当结构算子的尺度不断增加时,开和闭运算使得图像中越来越多的物体逐渐的消失,其中结构算子的形状对应于图像中物体的形状,而结构算子的尺度对应于物体的大小。然而,传统的开和闭运算容易引起图像中物体形状的改变。常用的数学形态学重构是一个完全重构的过程,能够很好的解决这个问题,使得图像中物体的形状得以较好的保存。但是随着尺度的增加,图像中一些本该消失小物体因为重构却依然保留在图像中,使得图像中物体的大小信息不能得到很好的利用。应用数学形态学中的部分重构技术,仅对图像中满足一定条件的像素进行重构,随着结构算子的尺度增加,图像中的物体在其对应的尺度中逐渐消失,不仅能保留图像中物体的形状信息,而且能保留物体的大小信息。 3.将光谱信息和空间信息融合并利用数学形态学矢量统一表达,能充分利用超光谱遥感图像的光谱特征和空间形态特征。但矢量维数地不断增加,导致计算量增加和小样本问题的出现。因此提出了一种半监督的数学形态学矢量特征提取方法(GSELD),并首次将半监督的特征提取方法应用到超光谱数学形态学矢量当中。首先利用主成份分析法从超光谱图像中提取若干主成份(特征值累积99%)来充分利用图像的光谱信息,并在选取的每一个主成份中利用不同的结构算子和尺度构造数学形态学矢量。这些矢量中包含了图像的空间信息图像中物体的大小和形态信息。然而所产生的数学形态学矢量是一个高维数据,且冗余度高。GSELD利用有限的训练样本不仅可以从高维的数学形态学矢量中提取出有效的特征,降低数据的维数,而且能够有效地提高各种分类器的分类精度和效率。 4.提出了一种针对超光谱遥感图像的非线性特征提取方法快速迭代核主成份分析(FIKPCA)方法。在实际应用当中,线性的特征提取方法在对数据降维后将会丢失数据中的非线性的特性。而传统的非线性的方法存在运算量大、内存消耗大、计算速度慢等问题。FIKPCA通过迭代的方法来求解特征向量,而不需要对Gram矩阵进行特征分解,可以极大地降低时间复杂度和空间复杂度,从而提高了非线性特征提取方法在超光谱遥感图像处理中的运算效率。 5.提出了一种在非线性特征上构造数学形态学矢量的方法。在利用从高维超光谱遥感图像提取出来的线性特征构造数学形态学矢量时,图像中像素间的非线性关系在特征提取和降维过程中常常被忽略。核主成份作为非线性特征能更好地利用数据中的高阶统计信息和非线性关系,利用核主成份构造数学形态学矢量能明显地提高超光谱遥感图像的分类精度和效率。 本文对超光谱遥感图像的光谱特征提取和分类、空间特征提取和分类进行了深入的研究探讨。提出了结合局部信息和类别信息的半监督特(SELD)超光谱遥感图像特征提取方法和利用数学形态学矢量的部分重构技术的图像空间特征提取方法。将超光谱遥感图像中的光谱信息和空间信息融合并统一表达为数学形态学矢量。针对高维形态学矢量的降维和特征提取提出了一种半监督的数学形态学矢量特征提取方法(GSELD)。对非线性特征,提出了快速迭代核主成份分析(FIKPCA)方法和一种在非线性特征上构造数学形态学矢量的方法。仿真试验和大量实际超光谱遥感图像实验表明,本文提出的特征提取方法效果优于相关方法,能够有效地提高超光谱遥感图像的分类精度和效率。
【学位授予单位】:华南理工大学
【学位级别】:博士
【学位授予年份】:2012
【分类号】:TP751

手机知网App
【共引文献】
中国期刊全文数据库 前8条
1 游屈波;吴耀云;哈章;;辐射源识别系统中分类器设计及其应用[J];电子信息对抗技术;2011年03期
2 郭金玉;刘玉芹;苑玮琦;;基于核局部Fisher判别分析的掌纹识别[J];光电子.激光;2012年02期
3 许淑华;齐鸣鸣;;稀疏局部Fisher判别分析[J];计算机工程与应用;2012年04期
4 蔡铁;伍星;李烨;;集成学习中基于离散化方法的基分类器构造研究[J];计算机应用;2008年08期
5 陈小冬;林焕祥;;稀疏判别分析[J];计算机应用;2012年04期
6 游屈波;熊磊;;提升图嵌入框架及在表情识别中的应用[J];计算机应用研究;2010年04期
7 周旭东;陈晓红;陈松灿;;半配对半监督场景下的低分辨率人脸识别[J];计算机研究与发展;2012年11期
8 韦艳艳;李陶深;;基于特征选择的集成分类器抗噪性能分析[J];计算机技术与发展;2012年11期
中国博士学位论文全文数据库 前10条
1 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年
2 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
3 尹学松;半监督聚类分析策略设计及其拓展性研究[D];南京航空航天大学;2009年
4 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年
5 张沐光;基于局部—全局结构分析的统计过程监测方法研究[D];浙江大学;2011年
6 沈掌泉;神经网络集成技术及其在土壤学中应用的研究[D];浙江大学;2005年
7 何灵敏;支持向量机集成及在遥感分类中的应用[D];浙江大学;2006年
8 王磊;支持向量机学习算法的若干问题研究[D];电子科技大学;2007年
9 李烨;基于支持向量机的集成学习研究[D];上海交通大学;2007年
10 蒋晓悦;光照变化条件下的人脸检测与识别算法研究[D];西北工业大学;2006年
中国硕士学位论文全文数据库 前9条
1 黄少立;基于稀疏表示的降维算法研究[D];西北农林科技大学;2011年
2 曾丽辉;稀疏线性判别分析在文本分类中的应用研究[D];华东交通大学;2011年
3 孙宜贵;基于eEP的两阶段方法分类研究[D];郑州大学;2004年
4 战国科;基于人工神经网络的图像识别方法研究[D];中国计量科学研究院;2007年
5 杨长盛;基于成对差异性度量的选择性集成学习方法研究[D];安徽大学;2010年
6 冯伦阔;基于集成学习的覆盖算法研究[D];安徽大学;2010年
7 李平;多标记分类中的半监督降维和集成学习[D];中南大学;2010年
8 曾群芳;基于拓扑结构保持的线性降维方法研究及其应用[D];华南理工大学;2012年
9 陈祺;基于均场退火算法的半监督聚类方法的研究及应用[D];华南理工大学;2012年
【相似文献】
中国期刊全文数据库 前10条
1 刘恒殊,彭风华,黄廉卿;超光谱遥感图像特征分析[J];光学精密工程;2001年04期
2 吴颖谦,方涛,施鹏飞,杜培军;基于自适应量化的超光谱图像压缩[J];光学技术;2004年02期
3 G Flougat;K Moueddene;刘心季;;遥感图像上复杂地质模式的计算机辅助解译[J];国土资源遥感;1988年02期
4 刘志敏,杨杰,施鹏飞;数学形态学的细化算法[J];上海交通大学学报;1998年09期
5 朱卫健,夏良正;一种实用快速的车牌字符分割方法[J];南京理工大学学报(自然科学版);2005年S1期
6 郭云彪;张春田;尤新刚;;二值图像信息隐藏分析[J];天津大学学报;2005年12期
7 李俊山;曹素平;谭园园;;基于数学形态学的红外运动小目标识别算法研究[J];电光与控制;2006年02期
8 张永梅;韩焱;张建华;;基于数学形态学的三维空间聚类[J];火力与指挥控制;2006年10期
9 薛俊韬;刘正光;王萍;;红外卫星云图的多值自适应分割[J];仪器仪表学报;2006年S3期
10 鲁艺;周德云;;基于数学形态学的无人机航路规划方法研究[J];弹箭与制导学报;2006年S7期
中国重要会议论文全文数据库 前10条
1 周慧鑫;张爽;牛肖雪;秦翰林;刘上乾;;采用轮廓波变换预处理的超光谱图像异常检测[A];2011西部光子学学术会议论文摘要集[C];2011年
2 洪添胜;Michael O.Ngadi;赵祚喜;;应用超光谱图像系统对雪花梨分级的研究[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第三分册[C];2005年
3 贾永红;邹勤;杨柏林;;基于数学形态学的测试卡图案识别方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
4 张颖璐;;一种基于数学形态学的线谱多普勒提取方法[A];2011'中国西部声学学术交流会论文集[C];2011年
5 程玉宝;;基于数学形态学的红外小目标检测研究[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
6 刘晓艳;王丽珍;杨志强;陈红梅;;基于数学形态学的模糊异常点检测[A];第26届中国数据库学术会议论文集(B辑)[C];2009年
7 谢志宏;颜巾惠;白羽;魏磊;;完全仿射不变的图像特征提取算法研究[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年
8 冯曦;哈力木拉提·买买提;;基于数学形态学维吾尔文版面分析[A];少数民族青年自然语言处理技术研究与进展——第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会论文集[C];2010年
9 沙盛中;翁桂荣;秦树伟;;基于数学形态学的白细胞分割及提取[A];第二十六届中国控制会议论文集[C];2007年
10 张洋;;自动掌纹图像识别[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集(下)[C];2008年
中国博士学位论文全文数据库 前10条
1 廖文志;超光谱遥感图像特征提取和分类研究[D];华南理工大学;2012年
2 张威;无人机载光谱仪超光谱图像压缩技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2010年
3 霍承富;超光谱遥感图像压缩技术研究[D];中国科学技术大学;2012年
4 王运;超光谱图像系统几何校正与图像配准方法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2011年
5 王朗;基于光谱特征的超光谱遥感图像压缩算法研究[D];吉林大学;2009年
6 才辉;数学形态学连通性理论及应用研究[D];浙江大学;2009年
7 孔超;基于数学形态学的木质材料实时无损检测研究[D];东北林业大学;2010年
8 沈路;数学形态学在机械故障诊断中的应用研究[D];浙江大学;2010年
9 程红蓉;垃圾图像特征提取与选择研究[D];电子科技大学;2011年
10 刘洪英;分子超光谱成像的生物组织定量检测与方法研究[D];华东师范大学;2011年
中国硕士学位论文全文数据库 前10条
1 陈诗国;半监督降维及其在超光谱图像分类中的应用研究[D];南京航空航天大学;2011年
2 范纪铭;超光谱图像压缩与DSP实现技术研究[D];苏州大学;2011年
3 刘雪霞;基于3D-SPIHT编码算法的超光谱图像压缩研究[D];西安科技大学;2010年
4 徐喆;基于稀疏分解的超光谱图像压缩算法研究[D];西安科技大学;2010年
5 吴立彬;矢量量化技术及其在超光谱图像中的应用研究[D];重庆邮电大学;2012年
6 马娜;骨折图像特征提取与分型识别技术研究[D];河北大学;2010年
7 布露露;基于样本区域模糊聚类的灰度图像特征提取研究与应用[D];云南大学;2011年
8 王恩永;基于模糊聚类的灰度图像特征提取和识别研究[D];云南大学;2010年
9 孙宗保;基于计算机视觉的粒度检测应用研究[D];江苏大学;2003年
10 李庆勇;彩色地形图的分色研究及其实现[D];西安电子科技大学;2001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