收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于核空谱信息挖掘的高光谱图像分类方法研究

刘振林  
【摘要】:遥感技术发展的总趋势是以更高空间分辨率、更高光谱分辨率、更高时间分辨率对地球进行探测,进而提供地表覆盖环境更加精确、细致的观测信息。自上世纪80年代光谱成像技术被提出以来,高光谱成像已经成为一种重要的遥感探测手段,其本质在于能够同时提供地物分布的空间信息和较高分辨率的光谱信息。因此,高光谱遥感图像数据处理与信息挖掘技术研究具有重要的理论意义和巨大的应用价值,已成为遥感成像探测与信息处理领域的研究热点。 本论文以高光谱遥感图像地物分类为背景,以核学习理论和方法为技术框架,针对高光谱遥感图像的特征提取、光谱分类和空间-光谱信息联合分类等问题开展研究,重点研究了基于单核/多核学习理论的高光谱图像光谱信息和空谱联合信息挖掘技术,旨在充分利用高光谱图像所提供的空间-光谱联合信息,提高地物分类性能。本论文研究的主要工作体现在: 首先,整体研究核学习理论及其最新进展——多核学习理论及方法,奠定本论文研究内容的理论基础。论文在概要介绍了核学习理论及核方法设计的基础上,研究和分析了多核学习理论所涉及到的多核构造、优化学习方法,在理论上对合成核和多尺度核方法进行了研究。 其次,立足于高光谱图像数据自身统计特性,将数据特性同核方法设计有机结合,提出了基于子空间调制核的高光谱图像特征提取方法。论文依据成像光谱探测原理所决定的高光谱图像数据子空间特性,研究了三种子空间划分的度量准则;在此基础上,设计了子空间调制核函数,以使源自成像机理的数据子空间特性融入到核设计及特征提取方法中,进而达到充分利用高光谱成像和数据特性的目的;论文利用地物分类实验验证了所提出的子空间调制核方法的有效性,即在提取特征的同时有效地提高分类性能。 再次,以基于光谱信息的地物分类应用为直接导引,重点研究了多尺度多核学习分类模型,提出了多尺度多核最优集成学习方法。针对以支持向量机为代表的传统核方法学习能力受限于单核函数的问题,本文提出了多尺度多核学习模型;进一步,将多尺度多核学习问题分解为多尺度核无监督学习和支持向量机优化两个子问题,并提出了秩“1”约束下的基于非负矩阵分解和核非负矩阵分解的多核最优集成学习方法。相比于传统支持向量机和当前主流的多核学习方法,本文所提出的方法具有更优的性能。 最后,为充分挖掘和利用高光谱图像的空-谱信息,构建了多特征多核学习模型,将空间特征和光谱特征有机地融合在多核学习理论框架下,进一步提升了高光谱图像地物分类能力。论文构建了多特征多核学习模型,提出了多特征多核最优集成学习方法,用以实现空谱特征的联合分类,论文针对高光谱图像自身提取的空间-光谱信息联合、高分辨率可见光图像空间信息和高光谱图像光谱信息联合两种情况进行了研究。首先,针对三类典型的高光谱图像空间特征(局部区域矩特征、Gabor空间纹理特征、多尺度形态学特征)进行了多核分类研究,分析了不同空间特征对于不同数据源的适应性;其次,分别从高空间分辨率的可见光图像和高光谱分辨率的高光谱图像中分别提取空间特征和光谱信息,构建多特征联合分类模型及方法。真实数据的实验结果表明,本文提出的模型及方法有效地提高了空谱特征可利用性和高光谱遥感图像分类性能。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王雷;乔晓艳;董有尔;张姝;尚艳飞;;高光谱图像技术在农产品检测中的应用进展[J];应用光学;2009年04期
2 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
3 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
4 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
5 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
6 陈雷;张晓林;刘荣科;雷志东;;光谱去相关技术在高光谱图像小波压缩中的应用[J];光谱学与光谱分析;2010年06期
7 孙林;鲍金河;;基于主成分抑制的高光谱图像异常目标检测方法[J];测绘科学;2012年01期
8 赵春晖;齐滨;张燚;;基于改进型相关向量机的高光谱图像分类[J];光学学报;2012年08期
9 陈昭;王斌;张立明;;基于低秩张量分析的高光谱图像降维与分类[J];红外与毫米波学报;2013年06期
10 苏令华;衣同胜;万建伟;;基于独立分量分析的高光谱图像压缩[J];光子学报;2008年05期
11 贺霖,潘泉,赵永强,郑纪伟,魏坤;基于波段子集特征融合的高光谱图像异常检测[J];光子学报;2005年11期
12 陈宏达;普晗晔;王斌;张立明;;基于图像欧氏距离的高光谱图像流形降维算法[J];红外与毫米波学报;2013年05期
13 贺霖;潘泉;邸韡;赵永强;;一种基于单似然检验的高光谱图像小目标检测器[J];光学学报;2007年12期
14 杜小平;刘明;夏鲁瑞;陈杭;;基于光谱角累加的高光谱图像异常检测算法[J];中国光学;2013年03期
15 陈全胜;赵杰文;蔡健荣;Vittayapadung Saritporn;;利用高光谱图像技术评判茶叶的质量等级[J];光学学报;2008年04期
16 计振兴;孔繁锵;;基于谱间线性滤波的高光谱图像压缩感知[J];光子学报;2012年01期
17 李智勇,郁文贤,匡纲要,吴昊;基于高维几何特性的高光谱异常检测算法研究[J];遥感技术与应用;2003年06期
18 李山山;张兵;高连如;彭嫚;;基于方差最小的高光谱目标探测算法研究[J];光学学报;2010年07期
19 王玉磊;赵春晖;王江洪;;基于低概率检测的高光谱异常目标检测算法研究[J];黑龙江大学自然科学学报;2010年03期
20 黄敏;朱启兵;;基于SVD的苹果粉质化高光谱散射图像特征提取[J];光谱学与光谱分析;2011年03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 贺霖;高光谱图像自动目标检测技术研究[D];西北工业大学;2007年
2 周爽;蚁群算法在高光谱图像降维和分类中的应用研究[D];哈尔滨工业大学;2010年
3 陈雨时;基于光谱特性的高光谱图像压缩方法研究[D];哈尔滨工业大学;2007年
4 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
5 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
6 许毅平;基于高光谱图像多特征分析的目标提取研究[D];华中科技大学;2008年
7 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
8 马静;干涉高光谱图像高效压缩技术研究[D];西安电子科技大学;2009年
9 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
10 周正;基于自适应谱段重组的高光谱图像压缩方法研究[D];华中科技大学;2007年
中国硕士学位论文全文数据库 前10条
1 张洪刚;高光谱图像压缩的研究[D];华东师范大学;2005年
2 魏然;基于三维光谱模型的高光谱图像压缩方法的研究[D];哈尔滨工业大学;2010年
3 王斯博;高光谱图像奇异目标检测技术研究[D];哈尔滨工业大学;2010年
4 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
5 倪广波;基于预测的高光谱图像无损压缩算法研究[D];哈尔滨工业大学;2009年
6 王晨;基于多核学习的高光谱图像目标解译技术研究[D];哈尔滨工业大学;2011年
7 季亚新;高光谱图像异常检测算法研究[D];哈尔滨工程大学;2008年
8 李伟;高光谱图像异常小目标检测算法研究[D];哈尔滨工程大学;2009年
9 王秀朋;基于投影寻踪的高光谱图像降维算法研究[D];西北工业大学;2006年
10 吴超;高光谱图像处理若干关键技术研究[D];南京航空航天大学;2012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
  • 010-62982499
  • 010-62783978