收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于联合稀疏表示的高光谱遥感图像分类

李佳逊  
【摘要】:高光谱遥感是一种遥感技术,它利用可见光到红外光之间数百甚至上千的波段的光谱响应,获取目标物体的相关信息。高光谱遥感凭借高空间分辨率和高光谱分辨率等优势,在目标识别、精细农业、水文监测、城市规划等领域都发挥着不可估量的作用。高光谱遥感图像丰富的光谱信息和空间信息在准确表征地物类别的同时,也带来了很多问题,例如高光谱图像越来越高的维度导致的高光谱图像处理的困难,高光谱图像巨大的信息量导致的小样本目标识别困难,以及在分析光谱数据时引入的不确定性因素等。为了提高高光谱遥感图像的分类精度,本文将高光谱遥感图像的光谱信息和空间信息结合,提出两种基于联合稀疏表示的高光谱遥感图像分类算法:1.基于谱聚类和联合稀疏表示的分类算法。首先利用谱聚类将待分类的像元及其邻域内所有像元分为两类,然后利用联合稀疏表示模型确定按规则选取的其中一类的具体类别,并以该类别作为待测像元的类别,最后进一步利用空间信息关联邻近像元的类别,对算法进行修正。2.基于邻域相似度和联合稀疏表示的分类算法。首先依据待测像元与邻域内像元的相关程度,设定相似度阈值,选取与待测像元相似度高的像元进行联合稀疏表示,然后采用邻域投票方式对分类算法进行修正,确定待测像元的类别。稀疏表示算法通过训练样本将测试样本进行线性表示,用稀疏系数表示测试样本,从而实现了对图像的压缩,大大简化了图像的后续处理。同时,稀疏表示算法不需设定待测样本的统计学特征,可以在训练样本中设定不同的约束条件满足不同的测试要求。正是由于在处理高维数据时的这些优势,稀疏表示算法被成功应用到高光谱遥感图像分类中。通过两组高光谱遥感图像的分类实验,验证了文中提出的两种高光谱遥感图像分类算法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前17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 黄宏图;毕笃彦;侯志强;胡长城;高山;查宇飞;库涛;;基于稀疏表示的视频目标跟踪研究综述[J];自动化学报;2018年10期
3 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期
4 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
5 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
6 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
7 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
8 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
9 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
10 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
11 甘乐;;高光谱遥感影像稀疏表示与字典学习分类研究[J];地理与地理信息科学;2019年01期
12 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
13 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
14 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
15 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
16 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
17 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
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 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年
2 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
3 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
4 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
5 吴晓欢;基于稀疏表示的波达方向估计理论与方法研究[D];南京邮电大学;2017年
6 王秀红;基于稀疏表示的波达方向估计方法研究[D];哈尔滨工业大学;2017年
7 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
8 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
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 刘程忠;模块化稀疏表示在复杂情境下的人脸识别算法研究与应用[D];湖南大学;2018年
2 赵城;基于稀疏表示和深度学习的单通道语音信号分离技术研究[D];南京邮电大学;2018年
3 曹雯雯;基于多特征融合的稀疏表示目标追踪方法的研究[D];南京邮电大学;2018年
4 秦子雨;基于稀疏表示的高分辨率方法研究[D];西南石油大学;2018年
5 徐春华;基于核稀疏表示的高光谱图像分类[D];湖北大学;2018年
6 王业祥;基于双向稀疏表示的目标跟踪算法研究[D];湖南工业大学;2018年
7 赵路;韩汉交替传译中的语际负迁移及其应对策略[D];上海外国语大学;2019年
8 刘雯雯;中国英语学习者态度程式语的产出研究[D];宁波大学;2018年
9 周夕楠;走出海德格尔的两条道路:列维纳斯与布朗肖文论思想比较[D];宁波大学;2018年
10 何思慧;承接与探索[D];南京艺术学院;2018年
中国知网广告投放
 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