高光谱图像流形学习算法研究

《高光谱图像流形学习算法研究》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、朵去种成＊葦ＶＩＣＩＥＮＬＯＧＹＯＦｃｈｉｎａｆｔＵＮＩＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＳＣＣＥＡＮＤＴＥＣＨＮＯ专业学位硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳＦＯＲＰＲＯＦＥＳＳＩＯＮＡＬＤＥＧＲＥＥ论文题目高光谱阁像流形学习算法妍究．．＿＿■—ｉ野带专业学位类别工程硕±学号２０１３２２１８０２１１作者姓名卢雨风Ｉ指导教师郑泽忠副教授。－独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作＾＾＞标注和致谢

2、的地方及取得的研究成果。据我所知，除了文中特别加＾夕ｂ论义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过的材料。与获得电子科技大学或其它教育机构的学位或证书而使用我一同Ｔ作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。Ｉ口期＾月！Ｈ；疋年作者签名：卡、如论支使用授权本学位论文作巧完全了解电子科技大学有关保留、使用学位论文的规定，，有枚保留并向围家有关部口或机构送交论文的贷印件和磁盘允许论文被齊阅和价阅。本人授权化子科技大学可Ｗ将学位论义的全、缩印或扫揣部或部分内

3、容编入有关数据库进行检索，巧Ｗ采川影印、汇编学位论。等复制手段保巧义文在解密）后应遵守此规定（保密的学位论导师签：名作者签名；瓜、＿畔浩下Ｈ：年月口期長／分类号密级注1UDC学位论文高光谱图像流形学习算法研究（题名和副题名）卢雨风（作者姓名）指导教师郑泽忠副教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士专业学位类别工程硕士工程领域名称电子与通信工程提交论文日期2016.04.01论文答辩日期2016.05.23学位授予单位和日期电子科技大学2016年06月答辩委员会主席评阅人注1：注明《国际十进分类法U

4、DC》的类号。STUDYONMANIFOLDLEARNINGALGORITHMSOFHYPERSPECTRALIMAGEAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:LuYufengAdvisor:AssociateProfessorZhengZezhongSchool:SchoolofResourcesandEnvironment摘要摘要高光谱图像通常由上百个波段组成，其中包

5、含丰富的空间、辐射以及光谱信息。然而，这些高维数据也会造成维度灾难问题，导致数据难以有效利用。本论文提出利用流形学习算法对高光谱图像进行降维。对于高光谱图像，高维空间中的数据往往是按照一定的低维空间结构排列，这些结构被称为“流形”。本论文基于流形学习挖掘这些高维数据集中的特定结构，以便进行回归分析以及分类等后续处理。然而，大部分流形学习算法对大小为N×N的数据相似矩阵进行特征向量分析，其中N表示数据点的数量。该分析的复杂度至少为O(N2)，使得普通计算机对大数据集进行数据运算和存储十分困难。为了解决这一问题，本论文引入了一个高光谱图像流形

6、学习降维框架。首先，利用统计学采样方法得到原数据集的一个子集作为界标（Landmark）；第二步，根据这些界标进行流形学习降维形成流形骨架；第三步，将剩余的数据使用局部线性嵌入算法嵌入到流形骨架中，从而完成高光谱图像降维；最后，使用已有的k最近邻（KNN）分类方法，对不同流形学习算法降维前后的数据进行分类，验证分类效果。本论文主要针对等距映射算法以及局部线性嵌入算法在邻域选择等问题上存在的缺点，引入具有稀疏特性的L1范数，对上述算法进行改进。首先，针对常规等距映射算法存在的邻域连接问题，使用L1与L2范数结合的算法，优化算法中邻域选择时的

7、“短路”问题。其次，针对局部线性嵌入（LLE）算法中邻域选择范围较小的问题，引入L1范数，使算法自适应地在较大的邻域范围内选择近邻点。最后，利用已有数据集标签信息，建立监督学习得到的邻域关系图，进一步强化邻域选择效果。本论文将局部曲率变化采样的高光谱流形学习框架和改进后的流形学习算法应用在机载可见光/红外成像光谱仪（AVIRIS）高光谱图像中，分析了不同采样方法、不同流形学习算法以及不同关键参数对降维结果的影响。实验表明本论文使用的高光谱流形学习框架切实可行，能够取得较好的降维效果，在保留数据主体结构的同时，高光谱图像可以被降维到低维空间

8、，并利用常用的几种流形学习算法进行土地利用分类结果精度比较，结果表明，本论文提出的算法分类精度高于主成分分析、原始Isomap算法等其他算法2%-5%。关键词：降维，等距映射算法，L1范数，稀