收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

高光谱遥感图像的稀疏表示分类方法研究

云智强  
【摘要】:在20世纪80年代,对地遥感测观测手段由多光谱遥感发展到了高光谱遥感。高光谱遥感图像随即成为对地观测的主要手段之一。高光谱遥感图像以其达到纳米级的光谱分辨率,探测和揭示了许多传统全色探测中不可观测到的,隐藏在光谱曲线中的地物目标特性,因此高光谱图像在许多领域都得到了广泛的应用,并成为世界上许多国家对地遥感系统的重要组成部分。而在高光谱遥感图像的研究中,高光谱遥感图像分类是其中的重点和基础。在机器学习领域,许多用于高光谱图像分类的算法都被提出。近几年,作为机器学习领域的热点,稀疏表示也被成功应用到了高光谱图像分类当中。基于稀疏表示的高光谱图像分类方法从经典的利用光谱信息分类开始,演变到目前的空-谱结合的分类思路。本文就基于稀疏表示在高光谱图像分类方法方面做了一些研究,包括以下内容:(1)针对经典的高光谱图像稀疏表示分类方法精度不高,时间复杂度较高的缺点,提出了一种基于字典和波段重组的高光谱图像稀疏表示分类方法。在该算法中,在算法开始时使用邻域均值化预处理,并在判断最终分类结果时使用多图K近邻(k-Nearest Neighbor,KNN)融合策略,以达到充分利用高光谱图像空间信息,使空-谱信息相结合的目的;依照高光谱图像地物目标的光谱特性对其进行波段重组和分割,并与最终使用多图KNN策略有机地结合,以达到更加充分利用光谱信息的目的。并且简化了经典的高光谱图像稀疏表示算法,极大地降低了算法的时间复杂度。从实验结果来看,该算法时间复杂度低,且分类精度高。(2)提出了一种基于带权重的像元块的高光谱稀疏表示分类方法。该方法在现有的高光谱遥感图像联合稀疏表示分类器(Joint Sparse Representation Classifier,JSRC)的基础之上,对其中最主要的联合稀疏矩阵重建算法:联合正交匹配追踪算法(Simultaneous Orthogonal Matching Pursuit,SOMP)与联合子空间追踪算法(Simultaneous Subspace Pursuit,SSP)进行了深入研究,提出了Weighted Pixel Block SOMP(WPB-SOMP)与Weighted Pixel Block SSP(WPB-SSP)算法。这两种算法分别按照SOMP与SSP本身的特性对其加以改进,将分类结果赋予以待分类像元为中心的像元块,并利用该像元块中所有像元的标准差对该像元块进行权值的判定。在接下来的计算中,将待分类像元所属的全部像元块按照所分的类别进行同类别权值相加,得到属于每一类别的像元块的总权值,最终用每一类的总权值进行判断,得到待分类像元最终的分类结果。该方法利用到了联合稀疏矩阵重建算法SOMP与SSP中忽略掉的邻域像元的类别赋值,并对其进行权值的判断,与SOMP与SSP相比,具有更高的分类精度,并且时间复杂度增加很少。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 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
2 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
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 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
11 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
12 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
13 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
14 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
15 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
16 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
17 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
18 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
19 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
20 肖良;戴斌;吴涛;方宇强;;基于字典学习与稀疏表示的非结构化道路分割方法[J];吉林大学学报(工学版);2013年S1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