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、高光譜影像數(shù)據(jù)分類是近年來(lái)遙感數(shù)據(jù)解譯的熱點(diǎn)問題之一。隨著高光譜成像技術(shù)的發(fā)展,所獲影像數(shù)據(jù)的空間分辨率得到顯著提高,使得在分類中利用空間信息成為可能。本文在挖掘高光譜數(shù)據(jù)空間信息的基礎(chǔ)上,研究了光譜與空間信息聯(lián)合使用的策略,設(shè)計(jì)了幾種空譜聯(lián)合的半監(jiān)督高光譜數(shù)據(jù)維數(shù)約簡(jiǎn)與分類方法。具體研究?jī)?nèi)容如下:
(1)設(shè)計(jì)了一種基于空譜稀疏感知圖的高光譜數(shù)據(jù)分類方法。首先,在高光譜數(shù)據(jù)的空間一致性假設(shè)下,挖掘?qū)哟位目沼蚓植拷Y(jié)構(gòu),聯(lián)合光譜
2、數(shù)據(jù)的非負(fù)低秩表示構(gòu)造出空譜結(jié)合的稀疏感知圖。利用該空譜稀疏感知圖形成Laplacian正則,實(shí)現(xiàn)半監(jiān)督學(xué)習(xí),在極少標(biāo)記樣本的條件下,能夠獲得準(zhǔn)確的分類結(jié)果。將所提出的方法進(jìn)行Indian Pines、Salinas和Pavia University等實(shí)際高光譜數(shù)據(jù)的分類,實(shí)驗(yàn)結(jié)果表明:該算法通過引入空間信息,能夠有效提高分類器的識(shí)別率,尤其是在小樣本情況。
(2)設(shè)計(jì)了一種基于空譜表征學(xué)習(xí)的高光譜數(shù)據(jù)降維方法。針對(duì)半監(jiān)督降維
3、中的正則圖規(guī)模過大的問題,將數(shù)據(jù)選擇歸結(jié)為稀疏表示問題,利用表征學(xué)習(xí)獲得“代表性”數(shù)據(jù)。在線性判別分析中構(gòu)造稀疏樣本的光譜Laplacian正則,與層次化空間Laplacian正則,尋找最優(yōu)投影方向?qū)崿F(xiàn)半監(jiān)督降維。在Indian Pines等實(shí)際高光譜數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)仿真,結(jié)果顯示:與PCA,LDA,LPP,SDLA降維算法相比,能夠更好的提取判別性的特征,在采用SVM等基本分類器時(shí),分類正確率有所提高。
(3)設(shè)計(jì)了一種基于空
4、譜張量稀疏表示的高光譜數(shù)據(jù)分類算法。張量能夠?qū)⒏吖庾V數(shù)據(jù)的空譜信息聯(lián)合表示,有望對(duì)高光譜數(shù)據(jù)實(shí)現(xiàn)更高效的處理。在稀疏表示分類器的基礎(chǔ)上,設(shè)計(jì)了空譜張量稀疏表示分類器。在稀疏表示的過程中,考慮高光譜圖像的空間一致性,采用張量稀疏表示快速高效的求解稀疏系數(shù),用于預(yù)測(cè)高光譜數(shù)據(jù)的標(biāo)簽。在Indian Pines、Salinas和Pavia University等實(shí)際高光譜數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)仿真,實(shí)驗(yàn)結(jié)果表明:本章提出的方法能得到很高的地物識(shí)別率。
溫馨提示
- 1. 本站所有資源如無(wú)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(yè)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(kù)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
- 基于空譜特征降維的高光譜圖像分類.pdf
- 空譜信息聯(lián)合的高光譜圖像分類方法研究.pdf
- 基于空譜聯(lián)合的高光譜圖像分類研究.pdf
- 空譜聯(lián)合高光譜遙感圖像半監(jiān)督分類.pdf
- 基于組稀疏編碼的高光譜圖像空譜聯(lián)合分類方法.pdf
- 空譜協(xié)作的高光譜圖像分類方法研究.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
- 空譜信息聯(lián)合的高光譜圖像精細(xì)分類研究.pdf
- 高光譜遙感影像降維及分類方法研究.pdf
- 高光譜遙感影像空譜特征提取與分類方法研究.pdf
- 高光譜圖像空譜聯(lián)合監(jiān)督分類算法及軟件系統(tǒng).pdf
- 基于光譜庫(kù)的空譜聯(lián)合高光譜稀疏解混方法研究.pdf
- 基于空譜聯(lián)合的高光譜圖像光譜域去噪方法研究.pdf
- 高光譜數(shù)據(jù)降維算法研究.pdf
- 高光譜遙感圖像的降維與分類研究.pdf
- 基于深度自編碼網(wǎng)絡(luò)的高光譜圖像空譜聯(lián)合分類.pdf
- 基于核空譜信息挖掘的高光譜圖像分類方法研究.pdf
- 面向高維數(shù)據(jù)降維與分類的深度模型構(gòu)建方法研究.pdf
- 基于流形學(xué)習(xí)的高光譜圖像空-譜聯(lián)合特征提取與分類.pdf
- 南方主要喬木樹種高光譜數(shù)據(jù)降維組合分類算法研究.pdf
評(píng)論
0/150
提交評(píng)論