

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),請進行舉報或認領(lǐng)
文檔簡介
1、高光譜遙感數(shù)據(jù)憑借非常高的光譜分辨率,在地物分類方面存在巨大的潛力,從而在礦藏勘探,環(huán)境保護等諸多領(lǐng)域得到了廣泛的應(yīng)用。近年來,隨著高光譜分類算法研究的不斷深入,融合了空間特征的分類模型成為學(xué)者們研究的熱點領(lǐng)域。而以往的許多研究忽視了空間特征的重要作用,以及很少對多種特征的融合策略進行研究?;谶@種現(xiàn)狀,本文主要對多種特征在不同的層面的融合方式進行研究,主要內(nèi)容如下:
第一,從高光譜遙感數(shù)據(jù)的構(gòu)成、特性,以及應(yīng)用的領(lǐng)域及國內(nèi)外
2、的研究現(xiàn)狀等方面,說明了高光譜圖像分類研究的重要意義??偨Y(jié)了高光譜遙感圖像特征提取與融合的原理,特別介紹了特征層面和決策融合的原理和經(jīng)典的方法。闡述了高光譜數(shù)據(jù)分類的原理與流程,并對分類效果的評價機制的幾個重要指標(biāo)進行了說明。
第二,設(shè)計了一個基于多特征的加權(quán)殘差相加的融合策略。這些特征包括提取到的光譜特征、LBP和Gabor空間特征。在這個分類模型中,將每個圖像數(shù)據(jù)在分別進行3種特征提取之后用分類器(SRC或NRS)進行表示
3、后的3個殘差通過加權(quán)相加的方式融合到一起,得到的最終的表示殘差值即為最后分類的依據(jù)。實驗證明,此分類框架的分類精度遠遠高于只使用一種特征的分類模型。
第三,提出另外一種基于加權(quán)核合并的空間特征融合策略。這是因為,基于殘差融合的多特征融合方式雖然實現(xiàn)了分類精度的提高,對以往的融合方式進行了改進,但是在分類器的選擇上存在著局限性,過度依賴于基于表示模型的分類器。此融合策略將提取的LBP和Gabor空間特征通過復(fù)合核的方式進行特征層
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(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(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于圖像融合的高光譜圖像分類.pdf
- 基于稀疏表示的高光譜遙感圖像分類.pdf
- 基于圖像融合的高光譜遙感圖像分類研究.pdf
- 基于深度學(xué)習(xí)的多特征高光譜遙感圖像分類研究.pdf
- 高光譜遙感圖像的稀疏表示分類方法研究.pdf
- 基于稀疏表示的高光譜圖像分類算法研究.pdf
- 基于空譜信息挖掘和稀疏表示學(xué)習(xí)的高光譜圖像分類.pdf
- 高光譜圖像特征選擇和分類.pdf
- 光譜與紋理特征融合的遙感圖像分類方法.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
- 基于多特征融合的商品圖像分類.pdf
- 基于多分類器融合的高光譜圖像分類算法研究.pdf
- 基于數(shù)據(jù)融合的高光譜遙感圖像分類研究.pdf
- 基于深度特征編碼的高光譜圖像分類.pdf
- 結(jié)合空間信息與光譜信息的高光譜圖像分類研究.pdf
- 基于多特征融合技術(shù)的商品圖像分類.pdf
- 基于稀疏表示的高光譜圖像分類和解混方法研究.pdf
- 高光譜圖像特征學(xué)習(xí)與分類算法研究.pdf
- 基于稀疏表示的高光譜圖像分類和異常檢測研究.pdf
- 基于多特征融合的文物圖像分類研究.pdf
評論
0/150
提交評論