收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

空谱联合先验的高光谱图像解混与分类方法

孙乐  
【摘要】:高光谱成像是近年来遥感领域发展较快、较前沿的技术。由于包含丰富的空间、辐射和光谱三重信息,高光谱遥感已被广泛应用于精准农业、矿物勘测、军事目标识别、环境监测、灾害评估等领域。因此,对高光谱数据的处理与解译具有重要的理论意义和实际应用价值。高光谱解混和分类是高光谱遥感信息处理中的关键科学问题,也是定量分析以及后续应用的重要基础。由于受仪器、大气辐射、光照不均、地物结构等因素的影响,相同地物的光谱曲线存在一定的差异,使得仅利用光谱信息的解混和分类方法的精度无法得到保障。空间信息可以充分刻画地物结构,有效降低“同质异谱”的影响,空谱联合的方法受到众多学者的重视。本文研究围绕高光谱线性解混、分类等高光谱数据处理中的热点问题,重点提出基于光谱库的l1/2正则化稀疏回归解混方法、以及空谱联合的高光谱分类方法,并在此基础上设计了相应问题的高效算法。本文所做的主要工作和研究成果如下:1、根据高光谱线性解混模型,利用光谱库作为端元字典,将解混问题转化为稀疏回归问题;针对模型解的唯一性要求进行光谱库预优,利用l1/2范数对丰度系数向量进行稀疏正则化约束,在“和为一”、“非负性”条件下,提出了一种约束的l1/2正则化稀疏回归解混模型,并通过迭代重加权的l1算法进行优化求解。模拟和真实高光谱数据实验表明,基于光谱库的l1/2正则化稀疏回归解混方法能够有效地从光谱库字典中选择出端元并准确反演出其对应的丰度系数。2、针对高光谱监督分类问题,在贝叶斯最大后验框架下,利用l1-l2正则化稀疏表示方法对似然概率进行建模,并利用MRF分类标签的空间先验进行建模,提出了稀疏表示和马尔可夫场空间先验相结合的空谱联合分类模型,并通过图割算法进行了快速近似求解。真实高光谱数据实验表明,基于稀疏表示与马尔可夫场空间先验相结合的高光谱分类模型能够有效地提升分类精度,且分类精度优于主流的分类方法。3、在贝叶斯推断框架下,采用稀疏多项式逻辑回归方法对似然概率进行建模,并将最大后验(MAP)分布的边际概率作为实值的隐形场引入到马尔可夫空间先验中,提出了一种加权马尔可夫场空间先验的高光谱分类方法。利用最大后验边际概率上的加权TV函数定义该马尔可夫场的势函数,并将MAP分类模型转化为加权TV正则化的变分模型,同时添加“非负性”、“和为一”以及“训练样本类别标签固定”三个约束项,建立约束条件下的空谱分类模型,并利用ADMM方法提出了SMLR-SpATV (sparse multinomial logistic regression based spatially adaptive total variation method)算法对模型进行了快速求解。实验结果表明所提出的基于隐形场空间先验的空谱分类模型对高光谱分类的有效性,对比实验表明该方法优于主流的分类方法。4、为了充分挖掘特征空间与原始空间、全局分类与局部分类的特点,提出了一种子空间逻辑回归分类器与稀疏表示分类器融合的空谱分类方法。其中,仅利用光谱信息的分类概率是由子空间逻辑回归分类器和稀疏表示分类器以一定的方式融合求得,空间先验信息由边缘保持的马尔可夫随机场进行建模。最后,空谱模型采用图割算法进行快速优化求解。真实高光谱数据实验表明:多分类器融合能够充分发挥多个分类器的优点,分类结果大大高于单个分类器,且优于大部分主流的高光谱分类方法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期
2 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期
3 李仲生;李仁发;蔡则苏;赵乘麟;;稀疏表示下的非监督显著对象提取[J];电子学报;2012年06期
4 段菲;章毓晋;;基于多尺度稀疏表示的场景分类[J];计算机应用研究;2012年10期
5 胡正平;李静;白洋;;基于样本-扩展差分模板的联合双稀疏表示人脸识别[J];信号处理;2012年12期
6 姜芳芳;;稀疏表示理论在提高数字图像质量中的应用[J];科技创新导报;2012年36期
7 马莉娜;;增强的两阶段测试样本稀疏表示方法[J];福建电脑;2013年07期
8 尹学忠;樊甫华;;基于字典学习的超宽带信号稀疏表示与降噪方法[J];计算机应用研究;2014年06期
9 张佳宇;彭力;;基于联合动态稀疏表示方法的多图像人脸识别算法[J];江南大学学报(自然科学版);2014年03期
10 陈才扣;喻以明;史俊;;一种快速的基于稀疏表示分类器[J];南京大学学报(自然科学版);2012年01期
11 陈垚佳;张永平;;图像过完备稀疏表示理论及应用综述[J];电视技术;2012年17期
12 查长军;孙南;张成;韦穗;;基于稀疏表示的特定目标识别[J];吉林大学学报(工学版);2013年01期
13 张涛;梁德群;王新年;;基于稀疏表示的图像模糊度评价方法[J];计算机工程;2013年04期
14 朱启兵;杨宝;黄敏;;基于核映射稀疏表示分类的轴承故障诊断[J];振动与冲击;2013年11期
15 王国权;张扬;李彦锋;王丽芬;马晓梅;;一种基于稀疏表示的图像去噪算法[J];工业仪表与自动化装置;2013年05期
16 丁昕苗;李兵;胡卫明;郭文;王振翀;;基于多视角融合稀疏表示的恐怖视频识别[J];电子学报;2014年02期
17 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
18 范少萍;郑春厚;王召兵;;基于元样本稀疏表示分类器的文本资源分类[J];图书情报工作;2011年16期
19 翟懿奎;甘俊英;徐颖;曾军英;;快速稀疏表示指背关节纹识别及其并行实现[J];吉林大学学报(工学版);2012年S1期
20 段菲;章毓晋;;有监督子空间建模和稀疏表示的场景分类[J];中国图象图形学报;2012年11期
中国重要会议论文全文数据库 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集(上册)[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
中国硕士学位论文全文数据库 前10条
1 张琨雨;在线字典训练及加权差异性稀疏表示的研究[D];大连理工大学;2011年
2 王勇;基于稀疏表示的人脸识别研究[D];五邑大学;2013年
3 李义真;基于词包与稀疏表示的场景分类[D];华南理工大学;2013年
4 孙丽花;基于稀疏表示的人脸识别方法研究[D];河南科技大学;2013年
5 陈天娇;基于分组稀疏和权重稀疏表示的人脸识别研究[D];安徽大学;2014年
6 刘自成;基于稀疏表示的雷达目标角度与距离估计[D];西安电子科技大学;2014年
7 李立;基于稀疏表示的人脸图像识别方法研究[D];南京理工大学;2012年
8 满江月;基于稀疏表示的代价敏感性人脸识别算法研究[D];南京邮电大学;2012年
9 赵广銮;稀疏表示在图像识别中的应用[D];北京邮电大学;2013年
10 罗燕龙;基于局部稀疏表示模型的在线字典学习跟踪算法研究[D];厦门大学;2014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