

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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、高光譜圖像分類是遙感領(lǐng)域中的研究熱點(diǎn),極具挑戰(zhàn)性,該研究具有重要的理論價(jià)值和廣闊的應(yīng)用前景。高光譜圖像數(shù)據(jù)通常具有上百個光譜波段,提供了豐富的光譜信息,但是其所具有的高維、強(qiáng)相關(guān)和冗余性等特征,給傳統(tǒng)的圖像分類方法帶來了極大困難。本文在對高光譜圖像特性探索基礎(chǔ)上,引入函數(shù)型數(shù)據(jù)分析方法,將高光譜圖像像元表示為函數(shù)型數(shù)據(jù),從函數(shù)分析層面及角度建模,進(jìn)而實(shí)現(xiàn)高效魯棒的高光譜圖像分類。本文的主要研究內(nèi)容及創(chuàng)新點(diǎn)可以概括為:
1.高光
2、譜圖像像元具有連續(xù)的光譜曲線,呈現(xiàn)出明顯的函數(shù)型數(shù)據(jù)特征,本文創(chuàng)新性地利用函數(shù)型數(shù)據(jù)分析方法建立了一種有效的高光譜圖像像元的函數(shù)型數(shù)據(jù)表示模型。該模型可以更充分地利用高光譜圖像豐富的光譜信息,有效融合蘊(yùn)含在按順序排列的波長內(nèi)部信息,更好地揭示高光譜圖像數(shù)據(jù)的內(nèi)在本質(zhì)特征。同時(shí),高光譜圖像數(shù)據(jù)間相關(guān)性強(qiáng)和冗余度高的問題也可以通過此手段得到很好的解決。
2.設(shè)計(jì)了一種基于函數(shù)型主成分分析的高光譜圖像分類算法。函數(shù)型主成分分析方法通
3、過求解協(xié)方差函數(shù)的特征分析問題獲得函數(shù)主成分。與多元分析框架中的傳統(tǒng)高光譜圖像分類算法相比,該算法充分利用了高光譜圖像光譜信息豐富的優(yōu)勢,有效利用了其高維數(shù)和強(qiáng)相關(guān)性。在常用高光譜圖像數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明,相較于其它幾種代表性的高光譜圖像分類算法,該算法在分類精度上具有很大的優(yōu)勢。同時(shí),與標(biāo)準(zhǔn)支持向量機(jī)算法相比,該算法在計(jì)算效率上也有極大的提高。
3.為了更好地反映光譜曲線的局部結(jié)構(gòu)特征,利用小波變換多分辨分析和時(shí)頻局域化的
4、特點(diǎn),提出了一種基于函數(shù)型數(shù)據(jù)小波變換的高光譜圖像分類算法。針對建立的高光譜圖像像元的函數(shù)型數(shù)據(jù)表示模型,采用三次B-樣條小波進(jìn)行小波分解,獲取相應(yīng)的小波分解系數(shù),達(dá)到深入挖掘光譜曲線局部結(jié)構(gòu)特征的目的。將所提算法應(yīng)用于標(biāo)準(zhǔn)高光譜圖像數(shù)據(jù)庫,實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
4.為了更好地表征光譜曲線反射峰值和反射強(qiáng)度變化率的特點(diǎn),并充分利用高光譜圖像的空間信息,構(gòu)造了一種結(jié)合導(dǎo)函數(shù)及空間信息的高光譜圖像分類算法。將導(dǎo)函數(shù)信息與
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(hù)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(fù)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(shí)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
- 基于數(shù)據(jù)融合的高光譜遙感圖像分類研究.pdf
- 基于SVM核函數(shù)和參數(shù)選擇的高光譜圖像分類研究.pdf
- 基于圖像融合的高光譜圖像分類.pdf
- 基于圖像融合的高光譜遙感圖像分類研究.pdf
- 基于高光譜圖像的雜草分類研究.pdf
- 基于分類精度預(yù)測的高光譜圖像分類研究.pdf
- 高光譜圖像分類研究.pdf
- 基于遷移學(xué)習(xí)的高光譜圖像分類.pdf
- 基于集成學(xué)習(xí)的高光譜圖像分類.pdf
- 基于遷移學(xué)習(xí)的高光譜圖像分類
- 基于函數(shù)型數(shù)據(jù)分析的CPI影響因素分析.pdf
- 基于函數(shù)型數(shù)據(jù)分析的證券投資收益研究.pdf
- 基于函數(shù)型數(shù)據(jù)分析的恒生指數(shù)期權(quán)研究
- 基于稀疏表達(dá)的高光譜圖像分類研究.pdf
- 基于案例推理的高光譜圖像分類研究.pdf
- 基于LSTSVM的高光譜圖像分類方法研究.pdf
- 基于高斯過程的高光譜圖像分類研究.pdf
- 基于廣義高斯過程回歸的函數(shù)型數(shù)據(jù)分析.pdf
- 基于遞歸網(wǎng)絡(luò)的高光譜圖像分類.pdf
- 基于高斯過程分類器的高光譜圖像分類.pdf
評論
0/150
提交評論