收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

高光谱遥感岩矿特征提取与分类方法研究

林娜  
【摘要】:高光谱遥感图像包含了丰富的空间、辐射和光谱三重信息,光谱分辨率在λ/100数量级,在电磁波谱的紫外、可见光、近红外和中红外区域,获取许多非常窄且光谱连续的图像数据。高光谱遥感图像波段众多、信息量大,对地物光谱特性的测度细致、对物质的描述精确,为地物识别带来了一定的优势。但是波段间的信息相关性强、信息冗余多,也带来了一些挑战。高光谱遥感图像分类中一个重要的现象就是维数灾难(Hughes现象)。当用传统的监督分类方法对高光谱图像进行分类时,随着波段数目的增加,需要训练样本的数量急剧增加,获得大量的训练样本在高光谱遥感图像中要花费很多人力物力,有时甚至是很难做到的。 高光谱遥感特征提取可以缓解Hughes现象,它一方面可以压缩数据量,并完成去噪的工作;另一方面通过特征提取,使目标的光谱特征更加明显,更有利于后续分类及信息提取工作。主成分分析(PCA)、最大/最小自相关因子法(MAF)、最小噪声分离变换(MNF)等线性变换法在高光谱遥感特征提取中应用广泛。但是高光谱遥感图像很多时候具有非线性的特点,线性特征提取方法容易照成信息丢失和失真。Scholkopf等于1998年对PCA进行扩展发展了非线性的核主成分分析(KPCA),此后国内外对KPCA展开了大量的研究,但是关于核最大/最小自相关因子法(KMAF)、核最小噪声分离变换(KMNF)的研究少见。 高光谱遥感是一个崭新的领域,其数据绝大多数都是收费的。本文侧重理论与方法的研究,选用资料丰富的美国内华达州Cuprite矿区免费的AVIRIS高光谱遥感岩矿图像作为原始数据,研究基于核方法(KPCA、KMAF、KMNF)的高光谱图像岩矿特征提取以压缩数据量、提取对后续分类有利的特征;在特征提取后的数据上进行端元提取;研究针对高光谱遥感图像的分类及信息提取方法,主要是基于波谱特征和支持向量机(SVM)的高光谱图像分类。 本论文取得的主要研究成果与创新认识如下: (1)设计及实现了基于核方法(KPCA、KMAF、KMNF)的高光谱图像特征提取方法。在PCA、MAF、MNF算法的基础上,引入核方法,发展KPCA、KMAF、KMNF非线性特征提取算法,并进行高光谱图像特征提取实验,探讨其参数对高光谱图像特征提取的影响,对比PCA、KPCA方法,KPCA、KMAF/KMNF方法进行高光谱图像特征提取的效果。表明KPCA、KMAF、KMNF算法的参数σ对算法的运算时间,没有大的影响;随着样本数目的增加算法的运行时间增加较快,但是在小样本情况下合理设置参数,KPCA、KMAF、KMNF特征提取算法即可以取得较好的效果;PCA、KPCA方法降维速度快,但降维后波段不是严格按图像质量排序; KMAF、KMNF降维效率低于PCA、KPCA,但是严格按图像质量排序,对于波段选择及后续图像分类,信息提取都很有利。 (2)设计及实现了基于PCA、KPCA、KMAF/KMNF的PPI端元提取。基于不同的特征提取后的图像,采用PPI这种指导端元提取的方法,并利用N维散度分析人机交互最终确定端元并进行端元识别,发现:基于PCA特征提取后的图像由于压缩过快,可能丢失某些信息,在利用PPI进行端元提取的过程中会较多的依赖操作者的技巧,并且可能丢失部分端元;基于KPCA、KMAF/KMNF的端元提取考虑了图像的非线性特征,可以较多的提取端元; KMAF/KMNF变换后的图像严格按照图像质量排序,操作过程相对简单,且端元提取的效果较好。 (3)实现了基于波谱特征的高光谱图像分类。利用编码匹配、光谱角填图(SAM)、波谱特征拟合(SFF)、匹配滤波(MF)、混合调制匹配滤波(MTMF)方法进行了高光谱图像分类实验及精度评价。表明编码匹配只适用于粗略的分类和识别;匹配滤波是一种快速的分类方法,会产生较多的虚假信号;SFF是一种基于吸收特征的分类方法,对于吸收特征比较明显的矿物识别率较高;SAM夹角值与光谱向量的模无关,也就是与图像的增益系数无关,只比较光谱在形状上的相似性;MTMF是MF和线性混合理论的组合,减少了MF虚假信号出现的概率,具有较高的分类精度。 (4)对支持向量机(SVM)算法进行了改进,并将其应用到高光谱图像分类及信息提取中。深入探讨支持向量机的理论基础及其分类的基本原理。采用一对一方法将两类支持向量机问题推广到多类问题进行高光谱图像分类,并利用收缩和缓存技术来提高其效率。进行了基于SVM的高光谱图像分类实验,分析了数据维数、核函数及样本个数对分类的影响。发现SVM分类方法受数据的维度影响较小,具有一定的抗噪声能力;不同核函数对SVM分类结果影响不大;利用SVM进行分类时,合理设置有关参数,在小样本情况下也可取得较高精度,显示了利用SVM进行高光谱图像分类的优越性。 (5)初步形成了一套科学实用的利用高光谱遥感图像提取岩矿弱信息的方法与技术流程。即首先对高光谱遥感岩矿图像进行辐射较正得到反射率数据;然后用核方法进行特征提取,达到降维与突出光谱特征的目的;基于降维后的数据提取端元并进行识别;最后基于波谱特征及SVM进行图像分类及信息提取。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张绍武;潘泉;赵春晖;程咏梅;;基于加权自相关函数特征提取法的多类蛋白质同源寡聚体分类研究[J];生物医学工程学杂志;2007年04期
2 呼声波;刘希玉;;网页分类中特征提取方法的比较与改进[J];山东师范大学学报(自然科学版);2008年03期
3 李乡儒;;光谱数据挖掘中的特征提取方法[J];天文学进展;2012年01期
4 文义;;远程协同设计中的特征提取与重建[J];科技信息;2010年11期
5 冀亚丽,程小平;基于重量化多特征提取的彩色图像检索[J];西南师范大学学报(自然科学版);2005年02期
6 郭冉;田建武;徐丹;;一种基于指形中线的指形特征提取方法[J];云南大学学报(自然科学版);2006年S2期
7 高振峰;李锡祚;;基于滑动窗口的特征提取方法在文本分类中的应用[J];科技信息(学术研究);2008年34期
8 王荣荣;;全局和局部特征提取相融合的中文文本特征提取方法研究[J];河北北方学院学报(自然科学版);2013年03期
9 王以孝,张海宏,程义民;心动图返流束特征提取及表示方法[J];中国科学技术大学学报;2000年05期
10 吴明;黄志华;;ERPs信号特征提取及分类方法的研究[J];福州大学学报(自然科学版);2011年01期
11 赵剑;许金涛;顾凌榕;;蛋白质序列在频率域上的一种特征提取方法[J];南京工业大学学报(自然科学版);2013年06期
12 李艳兵;李元祥;翟景秋;;卫星云图形态特征提取和表示的一种方法[J];南京气象学院学报;2006年05期
13 许建明;杨磊;黄同成;;一种新颖的特征提取方法在文本分类器中的应用[J];邵阳学院学报(自然科学版);2008年01期
14 林娜;杨武年;王斌;;高光谱遥感影像核最小噪声分离变换特征提取[J];武汉大学学报(信息科学版);2013年08期
15 薛存金;苏奋振;周军其;郭衍游;仉天宇;;基于形态学的海洋锋形态特征提取[J];海洋科学;2008年05期
16 田絮资;高莉;黄力宇;;基于最大熵独立分量分析的诱发电位特征提取[J];西北大学学报(自然科学版);2009年06期
17 刘文霞;;自然景物分类的特征提取[J];赤峰学院学报(自然科学版);2011年08期
18 马青青;王海军;赵高峰;丁朝阳;;基因分类中特征提取的若干方法[J];产业与科技论坛;2011年10期
19 陈桥;王继坤;刘玲玲;李光;;用红外光谱特征基提取方法确定茶叶的发酵度[J];科协论坛(下半月);2013年03期
20 薛鲁华;吞水音信号的数字特征提取与识别[J];南昌大学学报(理科版);1992年02期
中国重要会议论文全文数据库 前10条
1 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年
2 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[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
3 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年
4 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年
5 魏明果;;方言比较的特征提取与矩阵分析[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
6 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 秦建玲;李军;;基于核的主成分分析的特征提取方法与样本筛选[A];2005年中国机械工程学会年会论文集[C];2005年
9 刘红;陈光;宋国明;姜书艳;;模拟电路故障诊断中的特征提取方法[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
10 杜栓平;丁烽;杨华;;基于小波系数聚类的特征提取器[A];中国声学学会2002年全国声学学术会议论文集[C];2002年
中国博士学位论文全文数据库 前10条
1 游大涛;基于听觉机理的鲁棒特征提取及在说话人识别中的应用[D];哈尔滨工业大学;2013年
2 赵武锋;人脸识别中特征提取方法的研究[D];浙江大学;2009年
3 杨先勇;基于信号局部特征提取的机械故障诊断方法研究[D];浙江大学;2009年
4 杨章静;基于邻域结构的特征提取及其在人脸识别中的应用研究[D];南京理工大学;2014年
5 刘艳艳;子空间特征提取方法及其在人脸识别中的应用[D];大连理工大学;2008年
6 赵海滨;脑—机接口的特征提取和分类方法研究[D];东北大学;2009年
7 朱杰;特征提取和模式分类问题在人脸识别中的应用与研究[D];南京理工大学;2012年
8 Ramadhan Abdo Musleh Alsaidi;基于分层稀疏表示的特征提取方法及其应用[D];华中科技大学;2014年
9 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
10 康旭东;高光谱遥感影像空谱特征提取与分类方法研究[D];湖南大学;2015年
中国硕士学位论文全文数据库 前10条
1 牟华英;脑电信号特征提取的算法研究[D];华南理工大学;2010年
2 赵冬娟;人脸识别过程中特征提取方法的研究[D];江南大学;2011年
3 李新欣;基于拖曳式水平渔探仪目标信号的特征提取及分类识别研究[D];哈尔滨工程大学;2007年
4 周斌;信号细微特征提取及识别技术研究[D];哈尔滨工业大学;2011年
5 祁俊;人脸识别中特征提取与选择算法的研究[D];兰州理工大学;2012年
6 李秋婷;人脸图像中特征提取方法的研究[D];东北大学;2010年
7 汪磊;基于结构特征提取的选票分析系统的设计与研究[D];安徽大学;2013年
8 封顺;基于判别保持映射方法的特征提取研究[D];东北师范大学;2013年
9 方盛昌;基于核的特征提取方法的人脸识别研究[D];东华大学;2008年
10 葛瑜;脑—机接口系统中的特征提取与分类算法研究[D];国防科学技术大学;2007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