高光谱图像特征学习与分类算法研究

《高光谱图像特征学习与分类算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕±学位论文胃雜Ｉ髙光谱图像特征学习与分类算法研究作者姓名莫玉学校导师姓名、职称张向荣教授企业剥巧姓名、职称王晓华髙工ｊ申请学位类别工程硕±学校代码１０７０１学号１３０２１２１５１１分类号ＴＮ７５密级公开西安电子科技大学硕±学位论文高光谱图像特征学习与分类算法研究作者姓名；莫玉领域：电子与通信工程学位类别；工程硕壬学校导师姓名、职称：张向荣教授企业导师姓名、职称：王晓华高工学院；电子工程学院提交日期：２０１５年１１月ＲｅｓｅａｒｃｈｅｓｏｎＦｅａ

2、ｔｕｒｅＬｅａｒｎｉｎａｎｄｇＣｌａｓｓｉ打ｃａｔｉｏｎｏｆＨｙｐｅｒｓｐｅｃｔｒａｌＩｍａｇｅｓＡ出ｅｓｉｓｓｕｂｍｉｔｔｅｄｔｏ刘ＤＩＡＮＵＮＩＶＥＲＳＩＴＹｉｎａｒｔｉａｌｆｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅｒｅｕｉｒｅｍｅｎｔｓｐｑｆｏｒ化ｅｄｅｇｒｅｅｏｆＭａ巧ｅｒｉｎＥｌｅｃｔｒｏｎｉｃｓａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎｓＥｎｇｉｎｅｅｒｉｎｇＢｙＭｏＹｕＳｕｐｅｒｖｉｓｏｒ：ＺｈａｎｇＸｉａｎｇｒｏｎｇＰｒｏｆｅｓｓｏｒＷａｎｇＸｉａｏｈｕａ

3、ＳｅｎｉｏｒＥｎｇｉｎｅｅｒＮｏｖｅｍｂｅｒ２０１５西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加Ｗ标注和致谢中所罗列的内容Ｗ外，论文中不包含其他人己经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研巧所做的任何贡献均己在论文中作了明确的说明并表示了谢意。一切法律责任学位论文若有不实之处，本人承担。知

4、日期．Ｕ本人签名：：Ｕ西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即；研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可Ｗ公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研巧成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在＿年解密后适用本授权书。＿Ｌ＇震；ｉ、：巧本人签名导师签名么＂片）＇．化日期ｕ日

5、期；ｉｍｆ；义／摘要摘要近年来，遥感技术飞跃发展使得高光谱成像仪获得的高光谱遥感图像有着光谱分、辨率高、光谱通道数多的特点，并在生态科学地质科学、水文科学、精准农业和军一。、些诸如计算复杂事等领域有着广泛的应用与此同时，波段数多数据量大也带来度高，噪声干扰和标记样本困难等问题。因此，如何有效降低高光谱遥感图像的维度，提取有用的特征是处理高光谱遥感图像需要解决的一个重要问题。本文主要对遥感图像数据的特征学习和分类方法进行研巧，通过特征选择和特征提取，降低图像维度，减少存储和计算量：，改进分类算法从而提高分

6、类精度。本论文主要工作概括如下一（１）提出种基于半监督张量标度切特征提取方法，并应用于高光谱遥感图像的分类。首先采用了能够结合高光谱图像空间信息与谱域信息的张量表示法对其进行表示，并对其进行分块处理。接下来根据己标记样本计算样本之间的类间不相似性和类内不相似性，并Ｗ此在张量空间通过奇异值分解计算投影矩阵。实验结果表明，该方法将高光谱图像分成若干子张量，不仅保存了原始图像的空间结构，利用了空间与谱间的相关性，更是充分挖掘了图像局部空间相关性，图像数据降维后再利用支撑矢。量机进行分类，提高了分类性能一（２）提出种基于深度学

7、习的高光谱遥感图像波段选择方法，并应用于高光谱遥感图像的分类。首先利用深度网络对高光谱图像每个波段进行特征学习，然后利用Ｓｏｆｔｍａｘ分类器求得的概率值构造出波段之间的相关性矩阵，接着利用谱聚类算法进行聚类，得到兀余度较小的候选波段集，最后利用所选出的波段构造对应的新数据集并用于进行分类判决。实验结果，表明利用支撑矢量机对所选出来的候选波段构成的图像进行分类，获得了更高的性能。一（３）提出种基于权重多任务联合稀疏表示的分类方法。本方法将原始特征相一之间具有不同的，近的样本归为同个任务得到若干个任务，数据点所在的不同

8、任务。权重值，影响了联合稀疏表示对字典中原子的选择通过多任务理论框架，我们能进一步提升稀疏表示分类算法的准确度。本方法的研究目的在于