收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

核空间联合稀疏表示高光谱图像分类及GPU实现

汤浩  
【摘要】:高光谱遥感将光谱技术与成像技术相结合,能有效提取地物图谱特征,对地物进行精确的识别与分类。其成像光谱仪能够利用很多间距较窄的相邻电磁波波段获取上百条波段光谱信息,从而使每个像素都是一个连续的谱向量。虽然高光谱图像具有图谱合一、分辨率高的优势,但由于其特征维数较高,并且受噪声影响,对图像分类过程增加了难度。此外,由于高光谱图像数据量巨大,利用传统的中央处理器(Central Processing Unit,CPU)单线程计算分类效率低下,很难满足实际应用过程中快速分类的需求。鉴于此,本文从高光谱遥感图像的特点出发,针对上述所存在的问题,以稀疏表示理论为基础,对高光谱图像的分类模型进行研究与改进,并使用图形处理器(Graphics Processing Unit,GPU)高性能计算对算法进行并行实现。本文的主要研究内容包括以下三点:1.从信号的稀疏表示理论出发,研究了当前基于稀疏表示理论的高光谱图像分类模型:稀疏表示分类(Sparse Representation Classification,SRC)模型和联合稀疏表示分类(Joint Sparse Representation Classification,JSRC)模型,以及它们的系数求解方法:正交匹配追踪和联合正交匹配追踪算法。此外,基于高光谱图像的特点,针对空间信息对高光谱图像分类的重要性以及JSRC模型未考虑邻域像素点对中心像素点的贡献问题,本文利用高斯核函数相似性距离方法计算局部像元间相似性,对滑动窗口内邻域像素进行加权处理,建立加权机制,使分类模型对空间信息的使用更合理,分类性能更优。2.传统稀疏表示方法为线性分类方法,未考虑高光谱图像的非线性特性。因此,本文引入核映射思想,将加权处理后的JSRC模型拓展到高斯核空间,提出加权核空间联合稀疏表示分类(Weighted Kernel Joint Sparse Representation Classification,WKJSRC)模型。本文利用两幅实测高光谱图像进行仿真实验,通过实验结果表明,WKJSRC模型较其它传统高光谱图像分类器具有更好的分类效果和稳定性。3.高光谱图像结构复杂,数据量巨大,并且由于空间信息的引入,进一步提高了算法的复杂度,利用传统的CPU串行处理数据效率低下。为此,本文基于NVIDIA CUDA框架,利用CUDA C语言,采用CPU/GPU协同计算的方式对本文提出的WKJSRC模型进行并行化设计,充分利用GPU强大的并行计算能力,对算法中高密度、可并行处理的运算过程进行并行实现,实现WKJSRC模型的并行求解算法。从而提高该分类算法的计算效率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
2 陈素素;谢宏;;基于稀疏表示的联合多通道肌电信号手势识别[J];微型机与应用;2017年17期
3 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
4 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
5 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
6 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
7 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
8 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
9 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
10 王威;朱宗玖;陆俊;;基于字典学习和局部约束的稀疏表示人脸识别[J];电脑知识与技术;2018年05期
11 康彬;曹雯雯;颜俊;张索非;;基于典型相关性分析的稀疏表示目标追踪[J];电子与信息学报;2018年07期
12 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
13 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
14 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
15 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
16 胡正平;高红霄;赵淑欢;;基于低秩分解的联合动态稀疏表示多观测样本分类算法[J];电子学报;2015年03期
17 王瑞;王康晏;冯玉田;张海燕;金彦亮;张有正;;复杂场景下声频传感器网络核稀疏表示车辆识别[J];西安电子科技大学学报;2015年04期
18 夏建明;杨俊安;康凯;;基于局部稀疏表示和线性鉴别分析的典型相关分析[J];控制与决策;2014年07期
19 朱明旱;李树涛;叶华;;稀疏表示分类中遮挡字典构造方法的改进[J];计算机辅助设计与图形学学报;2014年11期
20 何同弟;李见为;;基于自适应稀疏表示的高光谱遥感图像分类[J];系统工程与电子技术;2013年09期
中国重要会议论文全文数据库 前10条
1 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
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[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
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
10 林哲;闫敬文;袁野;;基于稀疏表示和PCNN的多模态图像融合[A];创新驱动与转型发展,推动汕头腾飞——汕头市科协第七届学术年会优秀论文集[C];2014年
中国博士学位论文全文数据库 前10条
1 李斐;稀疏约束下的图像分类与特征提取算法研究[D];山东大学;2018年
2 张海燕;基于稀疏表示的低剂量CT成像研究[D];天津大学;2017年
3 徐琳琳;基于稀疏优化的几何建模研究[D];中国科学技术大学;2018年
4 王斌;基于稀疏表示和深度学习的图像识别算法及应用研究[D];中国科学技术大学;2018年
5 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
6 王伟;基于帧级和段级稀疏表示的说话人识别研究[D];哈尔滨工业大学;2016年
7 涂淑琴;基于稀疏表示的RGB-D图像特征学习研究与应用[D];华南农业大学;2016年
8 李窦哲;基于L-DACS1数据链的航空电信网协同传输关键技术研究[D];天津大学;2017年
9 石保顺;基于自适应稀疏表示的压缩感知及相位恢复算法研究[D];燕山大学;2017年
10 刘梓;基于稀疏表示与鉴别分析算法的人脸图像分类研究[D];南京理工大学;2016年
中国硕士学位论文全文数据库 前10条
1 汤浩;核空间联合稀疏表示高光谱图像分类及GPU实现[D];西南交通大学;2018年
2 周红莲;基于卷积稀疏表示与组合核方法的高光谱图像分类研究[D];西南交通大学;2018年
3 周耐;基于稀疏表示和主题模型的音频分类识别研究[D];山东师范大学;2018年
4 杨世诚;基于稀疏表示的低质量人脸图像识别的研究[D];华东师范大学;2018年
5 翟奥博;基于稀疏表示的SAR图像分类模型及其算法的研究[D];天津理工大学;2018年
6 吴玲玲;诱发电位少次提取方法的研究[D];江苏师范大学;2018年
7 张晋源;基于联合稀疏表示的非局部变换域图像去噪[D];北京邮电大学;2018年
8 李育亮;智能机器人视觉图像最稀疏分解研究[D];兰州理工大学;2018年
9 马超;基于稀疏表示和概率主元分析的化工过程故障检测与识别[D];华东交通大学;2018年
10 张祺威;基于稀疏表示理论的声发射识别技术的研究[D];东南大学;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