收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于稀疏表示的高光谱图像分类方法研究

赵威  
【摘要】:过去二十年,高光谱图像已经被广泛的应用于各个领域,高光谱图像的分类是高光谱图像应用中的一个重要问题,有很多研究人员已经提出了一些分类方法,但是由于高光谱图像的高维小样本特性使得高光谱图像分类问题仍然是一个难题。本文先对高光谱图像的发展和现有的方法进行综述,然后重点论述稀疏表示方法在高光谱图像分类中的应用并提出自己的处理算法。论文的主要研究内容如下:(1)基于随机子空间的联合稀疏表示的高光谱图像分类方法高光谱图像的高维小样本特点,使得已有的分类方法受Hughes现象的影响。本文中,提出一种新的高光谱图像分类框架,来减弱甚至消除Hughes对分类方法的影响,提出的方法主要有下面四个步骤:首先,从原有的光谱特征空间中随机选出一些特征,构成随机子空间;同时,使用扩展的超像素分割方法对高光谱图像进行分割;然后,在得到的随机子空间中使用结合空间和光谱的分类方法得到每个子空间中分类结果,本文使用是联合正交匹配追踪算法(SOMP,Simultaneous Orthogonal Matching Pursuit);最后,采用多数投票的方式,选出最终的分类结果。本文最后通过在三个真实的实验数据集上,对比其他分类方法,证明本文提出的方法在分类精度和鲁棒性上有很好的实验效果。(2)基于字典学习的稀疏表示的高光谱图像分类方法已有的很多稀疏表示方法都是直接将训练样本作为字典,有研究者证明可以从训练集中学习到更加鲁棒的字典,但是这类字典学习方法仅仅考虑了光谱信息,从已有的方法中知道,引入空间信息可以有效的提升分类精度,然而一些考虑空间信息的方法,在引入空间信息时考虑的是一个矩形邻域,并假设邻域中的像元由相同的物质组成,但是在边沿位置即属于不同类的像元相邻的位置,这个假设并不成立,所以需要一类高光谱图像分割方法,按光谱像元的差异性将高光谱图像分成多个不重叠的组,使得每个组内的像元都尽可能的由相同的物质组成。本文提出一种基于字典学习的高光谱图像分类方法。提出的方法首先对高光谱图像进行分割,然后在分割得到的超像素上通过上下文字典学习方法得到字典,在字典上得到每个样本的稀疏表示,最后,在得到的稀疏表示上构建支持向量机分类器,对测试样本进行分类。通过在三个真实的高光谱图像上进行对比实验,验证提出方法有很好的实验效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期
2 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期
3 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
4 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
5 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
6 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
7 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
8 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
9 耿耀君;张军英;;一种基于投影稀疏表示的基因选择方法[J];哈尔滨工程大学学报;2011年08期
10 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
11 詹永照;张珊珊;成科扬;;基于非线性可鉴别的稀疏表示视频语义分析方法[J];江苏大学学报(自然科学版);2013年06期
12 李洪均;谢正光;胡伟;王伟;;字典原子优化的图像稀疏表示及其应用[J];东南大学学报(自然科学版);2014年01期
13 贾旭;崔建江;薛定宇;刘晶;;基于手背静脉图像多特征稀疏表示的身份识别[J];仪器仪表学报;2011年10期
14 梁锐华;成礼智;;基于小波域字典学习方法的图像双重稀疏表示[J];国防科技大学学报;2012年04期
15 侯跃恩;李伟光;容爱琼;叶国强;;融合背景信息的分块稀疏表示跟踪算法[J];华南理工大学学报(自然科学版);2013年08期
16 查长军;韦穗;杨海蓉;丁大为;;基于稀疏表示的多类融合样本中特定目标识别[J];吉林大学学报(工学版);2014年03期
17 廖灵芝;;基于简单细胞响应稀疏性的图像稀疏表示模型[J];武汉理工大学学报;2010年16期
18 杨南海;桑媛媛;赫然;王秀坤;;基于非负稀疏表示的标签繁殖算法[J];大连理工大学学报;2012年02期
19 施云惠;李倩;丁文鹏;尹宝才;;基于稀疏表示模型的图像解码方法[J];北京工业大学学报;2013年03期
20 邹建成;车冬娟;;信号稀疏表示方法研究进展综述[J];北方工业大学学报;2013年01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
中国博士学位论文全文数据库 前10条
1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年
2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年
3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年
4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年
5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年
6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年
7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年
8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年
9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年
10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年
中国硕士学位论文全文数据库 前10条
1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年
2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年
3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年
4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年
5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年
6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年
7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年
8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年
9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年
10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015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