版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、高光譜遙感技術(shù)是上個(gè)世紀(jì)20年代發(fā)展起來的一種重要的遙感技術(shù)。通過光譜成像儀獲得的高光譜圖像具有比傳統(tǒng)遙感圖像更高的空間分辨率和光譜分辨率,使高光譜圖像在很多領(lǐng)域得到廣泛的應(yīng)用。但是高光譜圖像包含了成百上千的波段,波段與波段之間存在著大量的冗余信息,給高光譜圖像的處理帶來了很大的困難。因此,如何盡可能地降低高光譜數(shù)據(jù)的維數(shù),提高數(shù)據(jù)利用率和處理的有效性和高效性成為一個(gè)急需解決的問題。通常情況下,對(duì)數(shù)據(jù)的降維方法主要有特征提取和特征選擇。
2、對(duì)于高光譜圖像數(shù)據(jù),需要保留高光譜圖像中特定波段的物理意義,所以特征選擇是一個(gè)很好的方法。特征選擇用在高光譜圖像中,也就是波段選擇。論文中針對(duì)高光譜圖像的特點(diǎn),在對(duì)傳統(tǒng)和現(xiàn)有的高光譜圖像波段選擇方法研究的基礎(chǔ)上,結(jié)合現(xiàn)有壓縮感知相關(guān)的技術(shù),提出了一些新的高光譜圖像的波段選擇方法。本文的主要研究?jī)?nèi)容如下:
(1)提出一種基于判別性約束半監(jiān)督稀疏表示的高光譜圖像波段選擇方法。該方法在波段選擇的過程中同時(shí)考慮到類的可分離特性,而類內(nèi)
3、類間距離是衡量類的可分離特性的一個(gè)標(biāo)準(zhǔn),因此,本方法以高光譜數(shù)據(jù)作為字典,對(duì)波段進(jìn)行稀疏表示的同時(shí),在模型中加入了判別性約束項(xiàng),即類內(nèi)類間距離約束。通過本方法選擇出的波段子集,屬于同一類的像素點(diǎn)更加緊湊,屬于不同類的像素點(diǎn)更加分散,從而更加有利于分類;
(2)提出了一種基于低秩表示聚類的高光譜圖像波段選擇方法。該方法以選擇出的波段子集相關(guān)小,包含信息量大為出發(fā)點(diǎn),首先對(duì)高光譜圖像進(jìn)行低秩表示,去除噪聲波段的影響,采用層次聚類的
4、思想,根據(jù)低秩表示系數(shù)對(duì)波段進(jìn)行聚類,從每個(gè)聚類中選擇出代表性的波段,作為最終選擇的波段。本方法是一個(gè)自適應(yīng)選擇波段的過程,不需要人為地確定選擇波段的數(shù)目。
(3)提出了一種基于最佳匹配字典的高光譜圖像波段選擇方法。該方法的出發(fā)目的是選擇出的波段子集最能代表原始的所有波段,以選擇的波段子集作為字典,對(duì)高光譜數(shù)據(jù)進(jìn)行圖正則組稀疏表示,以稀疏表示的殘差作為評(píng)價(jià)準(zhǔn)則函數(shù),不斷對(duì)字典進(jìn)行更新,直到找到使得評(píng)價(jià)準(zhǔn)則函數(shù)最優(yōu)的字典,稱之為
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示與低秩逼近的高光譜圖像重建.pdf
- 基于結(jié)構(gòu)化稀疏和低秩表示的高光譜分類方法.pdf
- 基于低秩表示的高光譜圖像解混算法研究.pdf
- 基于稀疏表示和低秩逼近的SAR圖像降斑.pdf
- 高光譜遙感圖像的稀疏表示分類方法研究.pdf
- 基于低秩表示的空譜聯(lián)合高光譜圖像分類模型與方法.pdf
- 基于素描稀疏表示和低秩分解的SAR圖像目標(biāo)檢測(cè).pdf
- 基于稀疏表示的高光譜圖像分類和解混方法研究.pdf
- 基于稀疏表示的高光譜遙感圖像分類.pdf
- 高光譜圖像的稀疏表示和壓縮算法研究.pdf
- 基于稀疏表示的高光譜圖像解混研究.pdf
- 基于聯(lián)合稀疏表示的高光譜圖像解混方法研究.pdf
- 基于稀疏和低秩表示的人臉識(shí)別研究.pdf
- 基于稀疏表示的高光譜圖像目標(biāo)檢測(cè).pdf
- 基于稀疏表示和空間約束的高光譜遙感圖像分類方法研究.pdf
- 基于稀疏表示的高光譜圖像分類算法研究.pdf
- 基于稀疏表示的高光譜圖像分類和異常檢測(cè)研究.pdf
- 基于稀疏表示的高光譜圖像目標(biāo)識(shí)別.pdf
- 基于稀疏表示和低秩矩陣分解的人臉識(shí)別與圖像對(duì)齊方法研究.pdf
- 基于低秩恢復(fù)和稀疏表示的人臉識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論