收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于张量分解和低秩矩阵恢复的高光谱图像分类

王华东  
【摘要】:近年来,高光谱图像(hyperspectral image,HSI)由于其丰富的光谱信息被越来越广泛的应用于地物勘探、农业遥感、海洋遥感、环境监测等领域。高光谱图像分类的目标是根据光谱特征将每个光谱像素分配给其中一个类。然而,高光谱图像分类面临一些新问题,例如:如何处理高维数据出现的Hughes现象、如何利用高光谱图像的空间信息以及如何消除不同类别内的差异。本文介绍了国内外高光谱图像分类算法的研究现状,并提出了一种基于组低秩张量分解的模型和一个结合超像素和低秩矩阵恢复的模型用于高光谱图像分类。论文的主要内容如下:1.基于组低秩张量分解的分类算法。本文提出了一种新的基于组低秩张量分解(GLRTD)方法,通过充分利用三维高光谱图像的低秩特性,可以显著地提高分类性能,从而缓解类内光谱差异变化对分类性能的影响。具体来说,首先用主成分分析(PCA)算法来减少高光谱图像的光谱维度。然后,将维数减少的图像分割成一组重叠的三维张量片,然后用K均值算法将其组合成一组。通过将每个组的相似张量展开成一组矩阵并将它们叠加起来,这些类似的张量块被构造成一个新的张量。其次,利用低秩张量分解(LRTD)算法估计了每个新张量的本质光谱张量及其相应的光谱变化张量。通过聚集各组内的所有本质光谱张量,我们可获得整体的本质光谱张量,并分离相应的光谱变化张量。最后,在本质光谱张量上进行像素级的分类,能反映不同物体的物质依赖性质。实际高光谱图像数据集的实验结果表明,所提出的GLRTD算法优于多种传统的高光谱图像分类方法。2.基于低秩矩阵恢复和超像素(LR-SP)的分类算法。在高光谱图像中,每个超像素可以看作是一个形状自适应区域,由多个空间相邻像素组成,这些像素具有非常相似的光谱特征。因此,高光谱中的每一个超像素可以被看作是低秩矩阵。所提出的LR-SP方法首先利用过分割算法将高光谱图像聚类成许多超像素。然后利用低秩矩阵分解(LRMD)来提取超像素内的空间特征。在两个广泛使用的高光谱图像数据集的实验结果表明,所提出的LR-SP方法分类性能超过了多种传统的分类方法。


知网文化
【相似文献】
中国期刊全文数据库 前12条
1 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
2 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
3 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
4 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
5 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
6 吴龙国;何建国;贺晓光;刘贵珊;王伟;王松磊;苏伟东;罗阳;思振华;;高光谱图像技术在水果无损检测中的研究进展[J];激光与红外;2013年09期
7 唐中奇;付光远;陈进;张利;;基于低秩结构提取的高光谱图像压缩表示[J];电子与信息学报;2016年05期
8 张良培;李家艺;;高光谱图像稀疏信息处理综述与展望[J];遥感学报;2016年05期
9 李昌利;张琳;樊棠怀;;基于自适应主动学习与联合双边滤波的高光谱图像分类[J];计算机科学;2018年12期
10 王杰超;孙大鹏;张长兴;谢锋;王建宇;;拉普拉斯约束低秩表示的高光谱图像异常检测[J];光谱学与光谱分析;2018年11期
11 彭艳斌;艾解清;;基于谱聚类波段选择的高光谱图像分类[J];光电工程;2012年02期
12 张志彦;谷川;;基于关联规则的含噪高光谱图像分类系统[J];激光杂志;2018年12期
中国重要会议论文全文数据库 前10条
1 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
2 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
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
中国博士学位论文全文数据库 前10条
1 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
2 胡静;基于深度学习的高光谱图像超分辨处理方法研究[D];西安电子科技大学;2018年
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 向轩琳;基于域变换递归滤波的高光谱图像分类方法研究[D];湖南大学;2018年
2 潘睿;枣庄市智慧城市建设项目规划[D];南京邮电大学;2018年
3 郑宇觐;胎盘部位滋养细胞肿瘤临床及超声特征分析[D];北京协和医学院;2018年
4 李宇;非均匀地表上空大气波导中超视距传播特性研究[D];西安电子科技大学;2018年
5 徐涛涛;基于HEVC压缩域的车流量检测算法研究[D];南京邮电大学;2018年
6 张加辉;不同病理分型原发性肝癌的人工智能影像学鉴别诊断与术后生存预测[D];浙江大学;2018年
7 吉贝贝;基于空域滤波和生成式对抗网络的高光谱图像分类[D];西安电子科技大学;2018年
8 兰雨阳;基于波段选择和半监督学习的高光谱图像分类[D];西安电子科技大学;2018年
9 张小;基于低秩和稀疏表示的高光谱解混研究[D];西安电子科技大学;2018年
10 周峰;结合自适应邻域和半监督主动学习的高光谱图像分类[D];西安电子科技大学;2018年
中国重要报纸全文数据库 前1条
1 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