收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

高光谱遥感影像处理中的若干关键技术研究

李畅  
【摘要】:过去几十年中,高光谱图像丰富的空谱联合信息极大地提升了遥感图像的感知能力,使得高光谱遥感在很多领域得到了广泛地应用,例如空间遥感、精准农业和军事应用等。在高光谱遥感应用中,采用成像仪获取数据后,需要对高光谱遥感数据进行处理和分析,高光谱数据处理流程主要包括数据预处理、数据分析和数据应用三个阶段。数据预处理和数据分析是数据应用的前提和保障,是拓展高光谱应用的广度和深度的关键所在。本文将重点针对高光谱遥感影像数据预处理中的去噪、数据分析中的解混和分类三项关键技术展开研究。论文的主要研究内容如下:1.针对高光谱图像的多种混合噪声去除问题,提出一种基于超像素分割和低秩矩阵分解的高光谱图像去噪算法DBSCAN-LRMF。该算法首先采用主成分分析得到基底图像,然后采用超像素分割技术DBSCAN对基底图像进行超像素分割,最后采用低秩矩阵分解算法LRMF去除每个超像素的多种混合噪声。实验结果表明提出的DBSCAN-LRMF去噪算法能充分利用高光谱图像的空谱信息,有效地去除多种混合噪声,并能保持图像的纹理和细节信息。2.针对高光谱图像基于广义双线性模型的解混问题,提出一种基于边界投影最优梯度的高光谱非线性解混算法BPOGM。我们将高光谱图像的广义双线性模型的解混问题转化为边界约束的最小二乘问题,采用Nesterov的最优梯度方法求解边界约束的最小二乘问题,并命名该方法为BPOGM。BPOGM能达到最优收敛速度O(1/(k~2)),其中k表示BPOGM算法迭代的次数,最后在交替最小二乘框架下将BPOGM直接用于高光谱图像广义双线性模型的解混。实验结果表明提出的BPOGM非线性解混算法能克服Bayesian算法的计算复杂度高导致算法耗时长、Semi-NMF对初值敏感和GDA是逐像素算法影响应用到大的高光谱图像上的缺陷。3.针对高光谱图像的稀疏解混问题,提出一种基于噪声估计的高光谱图像稀疏解混算法SU-NLE。该算法首先采用基于多回归理论的噪声估计方法估计高光谱图像的每个波段的噪声,然后采用加权策略得到噪声水平加权矩阵,最后将噪声水平加权矩阵整合到稀疏回归解混框架中。实验结果表明提出的SU-NLE稀疏解混算法能提升算法的抗噪性能,有效提升传统的基于稀疏回归算法的解混精度。4.针对高光谱图像的分类问题,提出一种鲁棒稀疏表示分类方法RSRC,该算法能将高光谱图像的稀疏表示剩余考虑进去。此外,为了将高光谱图像丰富的空间信息考虑进去,扩展RSRC成联合鲁棒稀疏表示分类模型JRSRC。实验结果表明提出的RSRC和JRSRC算法在Indian Pines和Pavia University高光谱图像中得到的分类精度要分别高于OMP和SOMP,说明在高光谱图像稀疏表示分类中将稀疏表示剩余考虑进去有助于提升分类的效果。此外,JRSRC在Indian Pines和Pavia University高光谱图像中得到的分类精度都要明显高于RSRC,说明将高光谱图像的空间信息考虑进去有助于提升分类的效果。5.针对高光谱图像的分类问题,提出一种基于空间滤波和l_(2,1)范数的高光谱图像分类算法SFL。该算法首先采用邻域取平均的方式对高光谱图像进行空间滤波,然后采用l_(2,1)范数正则化项选择整个训练集中相关的样本,同时采用基于l_(2,1)范数的损失函数使之对异常更加鲁棒,最后对所有测试像素的稀疏表示系数矩阵添加非负约束。实验结果表明提出的SFL算法能有效提升基于逐像素稀疏回归的分类算法的实时性和分类效果。


知网文化
【相似文献】
中国期刊全文数据库 前12条
1 韩彦岭;崔鹏霞;杨树瑚;刘业锟;王静;张云;;基于残差网络特征融合的高光谱图像分类[J];国土资源遥感;2021年02期
2 于佩含;李梦楠;高雯;;高光谱图像技术在食品检测中的应用[J];食品安全导刊;2021年22期
3 孔燕萍;覃亚丽;;基于深度学习的高光谱图像分类算法[J];传感器与微系统;2020年07期
4 王斌;;基于高光谱图像技术的水果表面农药残留检测观察[J];种子科技;2017年04期
5 陈绫钢;吕靖芳;;高光谱图像技术在农产品监测中的应用进展[J];北京农业;2016年01期
6 朱贞映;袁建;何荣;;粮油中高光谱图像技术的应用现状[J];粮食与饲料工业;2016年09期
7 常志敏;;高光谱图像技术在农产品检测中的应用进展[J];中国食品;2021年08期
8 徐爽;何建国;马瑜;梁慧琳;刘贵珊;贺晓光;;高光谱图像技术在水果品质检测中的研究进展[J];食品研究与开发;2013年10期
9 张晓华;;基于对抗技术的高光谱图像分类系统的设计及实现[J];测试技术学报;2020年06期
10 郭南南;;用于高光谱图像分类的轻量级空间注意力网络[J];软件导刊;2021年04期
11 刘遵雄;蒋中慧;任行乐;;基于核方法协同表示的高光谱图像分类[J];广西大学学报(自然科学版);2019年05期
12 叶珍;白璘;;局部保护降维与高斯混合模型的高光谱图像分类[J];工业仪表与自动化装置;2017年04期
中国重要会议论文全文数据库 前20条
1 赵亮;徐云和;陈磊;;基于分段t-SNE的高光谱影像降维方法[A];第二十二届华东六省一市测绘学会学术交流会论文集(一)[C];2021年
2 李雪莹;吕美蓉;刘岩;孙中梁;侯广利;范萍萍;;普通光谱仪与高光谱相机之间模型转移的研究[A];第21届全国分子光谱学学术会议暨2020年光谱年会论文集[C];2020年
3 卢云龙;刘志刚;;高光谱图像目标探测现状研究[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
4 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
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 马德敏;孙凡;金星;舒嵘;王建宇;;机载高光谱图像质量定量化评价方法的研究[A];成像光谱技术与应用研讨会论文集[C];2004年
7 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
8 张馨月;张旭东;;基于压缩感知的高光谱图像重建研究综述[A];第十三届全国信号和智能信息处理与应用学术会议论文集[C];2019年
9 唐宏;杨新;方涛;施鹏飞;;基于核方法的光谱角制图模型及其在高光谱图像分割中的应用[A];中国地理信息系统协会第八届年会论文集[C];2004年
10 魏一苇;牛超;王艺婷;王红霞;;基于谱聚类算法的高光谱图像分类研究[A];国家安全地球物理丛书(十五)——丝路环境与地球物理[C];2019年
11 杨硕;袁鸿翼;虞宇宏;赵敏;;高光谱图像亚像素目标仿真及检测研究[A];第四届高分辨率对地观测学术年会论文集[C];2017年
12 武倩聿;张馨月;张旭东;;基于约束能量最小化的高光谱图像目标检测算法研究[A];第十二届全国信号和智能信息处理与应用学术会议论文集[C];2018年
13 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
14 武望婷;彭淼淼;;高光谱在书画鉴定中的应用研究——以清代司马钟《芭蕉仙鹤图》为例[A];中国文物保护技术协会第九次学术年会论文集[C];2016年
15 张悦;官云兰;;基于聚类的高光谱图像非监督波段选择方法[A];《江西遥感》2017年第2期(总第3期)[C];2017年
16 郑毓轩;李云松;师艳子;曲家慧;谢卫莹;;基于FPGA的高光谱异常目标检测RXD算法加速方案[A];2018软件定义卫星高峰论坛会议摘要集[C];2018年
17 何芳;贾维敏;王标标;李冰;;基于加权空—谱联合的遥感图像聚类[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
18 王喆;王百合;王艺婷;;高光谱图像波段选择方法综述[A];国家安全地球物理丛书(十一)——地球物理应用前沿[C];2015年
19 魏一苇;黄世奇;刘代志;;基于独立成分分析的高光谱混合像元分解方法[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
20 杨勇;刘木华;;基于荧光高光谱图像的猕猴桃VC含量无损检测[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
中国博士学位论文全文数据库 前20条
1 李畅;高光谱遥感影像处理中的若干关键技术研究[D];华中科技大学;2018年
2 张帆;基于空谱特征学习和深度网络的高光谱图像分类研究[D];西安电子科技大学;2020年
3 李理;基于马氏距离测度核学习的高光谱图像分类方法研究[D];哈尔滨工业大学;2018年
4 高巍;基于多核学习的高光谱图像分类方法研究[D];哈尔滨工业大学;2019年
5 滕艺丹;高光谱图像信息恢复方法研究[D];哈尔滨工业大学;2018年
6 丁晨;基于自适应卷积神经网络的高光谱图像分类方法研究[D];西北工业大学;2018年
7 王丽;基于压缩感知的高光谱图像采样和重构技术研究[D];西北工业大学;2018年
8 潘磊;基于稀疏低秩表示的高光谱图像特征提取与分类[D];西南交通大学;2019年
9 温茂星;复杂背景下高光谱运动目标探测方法研究[D];中国科学院大学(中国科学院上海技术物理研究所);2019年
10 薄纯娟;基于空谱联合模型的高光谱图像分类方法研究[D];大连理工大学;2019年
11 付巍;基于稀疏表征的高光谱图像空谱压缩与分类方法研究[D];湖南大学;2019年
12 韦晓辉;面向高光谱图像分类的特征提取与选择方法研究[D];湖南大学;2019年
13 李娇娇;高光谱遥感图像高效分类与解混方法研究[D];西安电子科技大学;2016年
14 刘务;基于空谱特征挖掘的高光谱图像分类方法研究[D];哈尔滨工程大学;2018年
15 李威;基于机器学习的森林多源遥感数据分析方法研究[D];哈尔滨工程大学;2018年
16 任越美;高光谱图像特征提取与分类方法研究[D];西北工业大学;2017年
17 王庆岩;面向植被遥感监测的高光谱图像分类技术研究[D];哈尔滨工业大学;2018年
18 吴钊君;基于权重核范数的高光谱图像去噪与解混方法研究[D];哈尔滨工业大学;2018年
19 张星;组合空间和光谱特性的高光谱图像异常检测与目标识别方法研究[D];国防科学技术大学;2016年
20 冯志玺;空谱稀疏结构学习下的高光谱数据降维与分类技术研究[D];西安电子科技大学;2018年
中国硕士学位论文全文数据库 前20条
1 方丁;基于稀疏约束和流形正则化的高光谱非线性解混算法研究[D];华中科技大学;2016年
2 陈静;基于深度学习的高光谱图像分类算法研究[D];西北师范大学;2021年
3 吴奎霖;高光谱图像空谱特征提取与分类方法研究[D];深圳大学;2019年
4 马超;基于深度学习的高光谱遥感图像分类[D];杭州电子科技大学;2019年
5 李阿楠;核稀疏法在高光谱图像目标检测中的应用研究[D];华北电力大学;2019年
6 蒋家旭;基于自适应残差3D-CNN的高光谱图像跨域分类[D];内蒙古工业大学;2019年
7 张燕琪;基于聚类的高光谱图像压缩技术研究[D];重庆邮电大学;2019年
8 王金哲;融合可见光/高光谱和LiDAR数据的城市地物分类算法研究[D];哈尔滨工业大学;2019年
9 陈显军;基于空-谱协方差特征的高光谱图像流形降维方法[D];华南理工大学;2019年
10 马冠群;基于低秩约束的高光谱图像去噪算法研究[D];电子科技大学;2019年
11 祝凤娟;高光谱图像分类的样本优化算法研究[D];合肥工业大学;2019年
12 伍宇;基于注意力机制的CNN与稀疏ELM的高光谱图像分类[D];中国地质大学;2019年
13 董欢;高光谱和显微高光谱技术对羊肉中抗氧化酶的检测及对比研究[D];宁夏大学;2019年
14 肖春华;基于高光谱测色的织物染色配方智能预测[D];浙江理工大学;2019年
15 马超;贮藏期内滩羊熟肉肌红蛋白含量变化的高光谱模型构建及空间分布[D];宁夏大学;2019年
16 谭苏灵;红外高光谱视频气体监测技术研究[D];哈尔滨工业大学;2019年
17 李对对;基于机器学习的高光谱图像恢复算法研究[D];中国地质大学(北京);2019年
18 何志学;基于光谱空间KELM的高光谱图像特征提取研究[D];成都理工大学;2019年
19 林辉;基于深度学习的高光谱图像分类方法研究[D];沈阳航空航天大学;2019年
20 江鹏;基于深度学习的高光谱人脸图像识别[D];江西科技师范大学;2018年
中国重要报纸全文数据库 前2条
1 记者 钟夏;两天半采集全球高光谱图像数据[N];珠海特区报;2019年
2 本报记者 付毅飞;“珠海一号”,为何能拍出太空大片[N];科技日报;2017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