基于稀疏表示的高光譜圖像目標(biāo)識(shí)別.pdf

1、高光譜圖像具有豐富的光譜信息，因此也具有更高的分辨能力。當(dāng)然，豐富的光譜信息也給高光譜數(shù)據(jù)的處理帶來了非常復(fù)雜的問題，例如高光譜數(shù)據(jù)處理時(shí)間復(fù)雜度很高等，而稀疏表示理論應(yīng)用于高光譜遙感圖像目標(biāo)識(shí)別具有識(shí)別率高、處理速度快等優(yōu)勢(shì)，并且稀疏表示不需要對(duì)樣本分布進(jìn)行統(tǒng)計(jì)和假設(shè)，在稀疏表示模型可以隨著應(yīng)用場(chǎng)景的變化在目標(biāo)函數(shù)中添加不同的限制條件，從而極大的增大算法的適應(yīng)性，因此稀疏表示已經(jīng)被廣泛的應(yīng)用于高光譜遙感圖像處理方面。
　　本文主

2、要是利用稀疏表示理論對(duì)高光譜遙感圖像進(jìn)行目標(biāo)識(shí)別，采用了三個(gè)實(shí)際高光譜遙感圖像進(jìn)行稀疏表示方法的識(shí)別實(shí)驗(yàn)，并且與支持向量機(jī)和隨機(jī)森林方法進(jìn)行對(duì)比，驗(yàn)證稀疏表示應(yīng)用于高光譜遙感圖像識(shí)別的有效性。論文的主要研究?jī)?nèi)容如下:
　?。?）首先分析了稀疏表示算法目前常用的理論方法，針對(duì)現(xiàn)有方法存在的重構(gòu)殘差大和字典原子設(shè)置的問題，結(jié)合KSVD和LARS算法，提出了一種改變字典長(zhǎng)度的特征字典訓(xùn)練方法。該算法可以很好的解決OMP算法計(jì)算步伐太大、

3、侵略性太強(qiáng)的問題，也可以很好地避免字典原子數(shù)量設(shè)置的問題。
　?。?）對(duì)稀疏特征識(shí)別算法進(jìn)行了研究分析，提出了一種基于稀疏表示的最大稀疏識(shí)別算法。該算法通過模擬人腦神經(jīng)元，利用特征字典和訓(xùn)練樣本之間的相關(guān)性進(jìn)行識(shí)別。并通過實(shí)驗(yàn)結(jié)果證明了該算法優(yōu)于SVM和隨機(jī)森林方法。
　　（3）針對(duì)噪聲會(huì)對(duì)信號(hào)的光譜特征造成很大的影響，提出了一種基于稀疏表示與多尺度信息的高光譜圖像目標(biāo)識(shí)別算法。由于傳感器和自然界的一些干擾，會(huì)影響稀疏特征和