

版權說明: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,請進行舉報或認領
文檔簡介
1、隨著成像光譜技術的發(fā)展,高光譜遙感技術在眾多領域得到了發(fā)展和應用。高光譜遙感技術將傳統(tǒng)圖像空間維和光譜維融合到一起,具有豐富的地物光譜信息,因而高光譜圖像地物分類成了高光譜數(shù)據(jù)處理的重要內(nèi)容?,F(xiàn)有的高光譜圖像分類模型大部分在分類中只考慮了光譜特征信息,忽視了空間信息在分類中的重要作用。本文從提高圖像分類精度出發(fā),研究空間特征信息與光譜特征信息相結合的高光譜圖像分類算法。主要研究內(nèi)容如下:
首先,闡述了高光譜圖像在遙感技術領域的
2、重要作用,分析高光譜圖像的成像理論及其數(shù)據(jù)特點,研究了現(xiàn)有高光譜分類方法,說明了課題研究背景及意義。
其次,介紹了高光譜圖像數(shù)據(jù)特征提取方式及分類器的選擇。在特征提取階段,主要討論光譜特征和空間特征的提取方式。通過仿真實驗,分析比較主成分分析、無參數(shù)加權特征提取、灰度共生矩陣及小波變換特征提取方式在高光譜圖像分類中各自具有的優(yōu)勢和弊端。分類器選擇階段,將支持向量機與傳統(tǒng)的監(jiān)督分類方法相比較,選擇分類效果好的最小二乘支持向量機作
3、為本文的高光譜圖像分類模型。
再次,研究光譜信息與空間信息相結合的高光譜分類方法。研究通過Gabor濾波器組提取空間紋理特征,并利用組合核函數(shù)融合圖像紋理特征和光譜特征,將新的組合特征用最小二乘支持向量機分類模型分類,提升了圖像分類精度。并且針對分類結果中“噪聲”像元存在的現(xiàn)象,利用鄰域修正的方式進一步改善分類結果,消除“噪聲”像元。
最后,針對高光譜圖像分類模型側(cè)重于單像元的光譜特征、空間特征提取利用,忽視圖像相鄰
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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 結合空間域信息的高光譜圖像分類方法.pdf
- 結合空間信息的高光譜遙感圖像分類方法研究.pdf
- 結合空間信息的高光譜圖像支持向量機分類研究.pdf
- 基于光譜信息的高光譜圖像目標識別方法的研究.pdf
- 基于紋理及光譜信息融合的遙感圖像分類方法研究(1)
- 基于紋理及光譜信息融合的遙感圖像分類方法研究.pdf
- 基于紋理與光譜信息巖性分類的研究.pdf
- 基于稀疏表達及空間信息的高光譜圖像分類方法研究.pdf
- 基于SVM與子空間結合的高光譜圖像分類算法研究.pdf
- 空譜信息聯(lián)合的高光譜圖像分類方法研究.pdf
- 基于高光譜遙感不同發(fā)生層土壤的光譜信息的提取研究.pdf
- 基于圖像與光譜信息的豬肉品質(zhì)在線無損檢測研究.pdf
- 空譜信息聯(lián)合的高光譜圖像精細分類研究.pdf
- 結合近鄰選擇的高光譜圖像分類算法研究.pdf
- 高光譜圖像分類研究.pdf
- 基于高光譜信息的柑橘葉綠素含量預測模型研究.pdf
- 基于光譜信息和空間信息的高分辨率遙感圖像模式識別.pdf
- 基于光譜信息的模型辨識方法研究.pdf
- 基于核空譜信息挖掘的高光譜圖像分類方法研究.pdf
- 表示模型框架下多特征信息融合的高光譜圖像分類.pdf
評論
0/150
提交評論