2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩89頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)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、高光譜成像技術(shù)源于遙感科學(xué),得益于光譜成像技術(shù)及光學(xué)儀器科學(xué)的進(jìn)步,是近幾年來(lái)迅速發(fā)展的一門(mén)新興圖像處理與分析技術(shù)。高光譜成像技術(shù)將先進(jìn)的光譜成像技術(shù)與傳統(tǒng)的二維空間成像技術(shù)融為一體,通過(guò)成像光譜儀,在連續(xù)分布的數(shù)十甚至幾百波段的光譜范圍內(nèi),對(duì)目標(biāo)進(jìn)行連續(xù)成像,獲取目標(biāo)空間特性的同時(shí),采集目標(biāo)連續(xù)變化的光譜響應(yīng)信息。高光譜圖像處理技術(shù),因其在成分分析、目標(biāo)分類(lèi)與識(shí)別等方面所展現(xiàn)的優(yōu)越性,已然成為地質(zhì)科學(xué)、農(nóng)業(yè)生產(chǎn)、食品安全、生物醫(yī)學(xué)等眾

2、多領(lǐng)域的前沿科技。
  特征提取與分類(lèi)識(shí)別技術(shù)一直是高光譜圖像處理與應(yīng)用的研究重點(diǎn),此項(xiàng)技術(shù)的研究與創(chuàng)新具有較高的理論意義和實(shí)踐價(jià)值。然而,高光譜圖像本身存在數(shù)據(jù)量大、波段相關(guān)性強(qiáng)、數(shù)據(jù)冗余度高以及計(jì)算復(fù)雜度高等缺點(diǎn),嚴(yán)重阻礙了高光譜成像技術(shù)的發(fā)展與應(yīng)用。本文圍繞“如何從海量高光譜數(shù)據(jù)中有效地提取目標(biāo)空間信息和光譜信息進(jìn)行處理和分類(lèi),從而提高分類(lèi)精度和效率”的主題,研究基于多域聯(lián)合特征提取的高光譜圖像分類(lèi)關(guān)鍵技術(shù),主要研究工作包括

3、:
  第一,針對(duì)高光譜圖像本身數(shù)據(jù)量大、波段多且相關(guān)性強(qiáng)、數(shù)據(jù)冗余度高等問(wèn)題,研究現(xiàn)有的高光譜圖像特征提取方法,提出一種基于張量的稀疏特征降維方法(STDR)。STDR方法將張量判別分析與稀疏表示相結(jié)合,首先采用不同尺度和方向的Gabor濾波組,對(duì)若干主成分進(jìn)行濾波,抽取Gabor特征并完成二階特征張量的構(gòu)建;其次,將張量判別分析方法與稀疏表示相結(jié)合,對(duì)二階特征張量進(jìn)行迭代優(yōu)化降維,提取稀疏張量特征。采用支持向量機(jī)分類(lèi)的實(shí)驗(yàn)結(jié)果

4、表明,該算法在張量框架下得到特征的稀疏描述,可在保持各特征之間的結(jié)構(gòu)完整性的前提下實(shí)現(xiàn)數(shù)據(jù)降維,能夠有效提高分類(lèi)精度。
  第二,針對(duì)高光譜圖像多域聯(lián)合特征提取與分類(lèi)問(wèn)題,提出兩種光譜域-空間域分類(lèi)方法—多中心擬合MSAM-MRF分類(lèi)方法與光譜域-空間域混合互相關(guān)約束條件下特定類(lèi)建樹(shù)進(jìn)而生成隨機(jī)森林的分類(lèi)方法(CSRF):
  (1) MSAM-MRF算法基于傳統(tǒng)的光譜角匹配算法(SAM),首先提出多中心擬合模型,克服傳統(tǒng)方

5、法采用單個(gè)均值中心代替樣本集所產(chǎn)生的擬合度過(guò)低的問(wèn)題;其次,考慮SAM算法本身是非概率方法,通過(guò)高斯概率模型假設(shè)引入馬爾科夫隨機(jī)場(chǎng)(MRF),將空間描述融入概率決策框架,并通過(guò)迭代尋優(yōu)得到最優(yōu)分類(lèi)結(jié)果。多中心模型是一種參數(shù)控制條件下的多中心擬合算法,旨在通過(guò)決策域的分裂產(chǎn)生多個(gè)擬合中心,更加合理劃分決策域,實(shí)現(xiàn)訓(xùn)練集合的高度擬合。
  (2) CSRF算法以隨機(jī)森林分類(lèi)器為基礎(chǔ),提出一種光譜域-空間域混合互相關(guān)約束特征提取方法和一

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(hù)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(méi)有圖紙預(yù)覽就沒(méi)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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

評(píng)論

0/150

提交評(píng)論