

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
文檔簡介
1、高光譜影像數(shù)據(jù)分類是近年來遙感數(shù)據(jù)解譯的熱點問題之一。隨著高光譜成像技術(shù)的發(fā)展,所獲影像數(shù)據(jù)的空間分辨率得到顯著提高,使得在分類中利用空間信息成為可能。本文在挖掘高光譜數(shù)據(jù)空間信息的基礎上,研究了光譜與空間信息聯(lián)合使用的策略,設計了幾種空譜聯(lián)合的半監(jiān)督高光譜數(shù)據(jù)維數(shù)約簡與分類方法。具體研究內(nèi)容如下:
(1)設計了一種基于空譜稀疏感知圖的高光譜數(shù)據(jù)分類方法。首先,在高光譜數(shù)據(jù)的空間一致性假設下,挖掘?qū)哟位目沼蚓植拷Y(jié)構(gòu),聯(lián)合光譜
2、數(shù)據(jù)的非負低秩表示構(gòu)造出空譜結(jié)合的稀疏感知圖。利用該空譜稀疏感知圖形成Laplacian正則,實現(xiàn)半監(jiān)督學習,在極少標記樣本的條件下,能夠獲得準確的分類結(jié)果。將所提出的方法進行Indian Pines、Salinas和Pavia University等實際高光譜數(shù)據(jù)的分類,實驗結(jié)果表明:該算法通過引入空間信息,能夠有效提高分類器的識別率,尤其是在小樣本情況。
(2)設計了一種基于空譜表征學習的高光譜數(shù)據(jù)降維方法。針對半監(jiān)督降維
3、中的正則圖規(guī)模過大的問題,將數(shù)據(jù)選擇歸結(jié)為稀疏表示問題,利用表征學習獲得“代表性”數(shù)據(jù)。在線性判別分析中構(gòu)造稀疏樣本的光譜Laplacian正則,與層次化空間Laplacian正則,尋找最優(yōu)投影方向?qū)崿F(xiàn)半監(jiān)督降維。在Indian Pines等實際高光譜數(shù)據(jù)上進行實驗仿真,結(jié)果顯示:與PCA,LDA,LPP,SDLA降維算法相比,能夠更好的提取判別性的特征,在采用SVM等基本分類器時,分類正確率有所提高。
(3)設計了一種基于空
4、譜張量稀疏表示的高光譜數(shù)據(jù)分類算法。張量能夠?qū)⒏吖庾V數(shù)據(jù)的空譜信息聯(lián)合表示,有望對高光譜數(shù)據(jù)實現(xiàn)更高效的處理。在稀疏表示分類器的基礎上,設計了空譜張量稀疏表示分類器。在稀疏表示的過程中,考慮高光譜圖像的空間一致性,采用張量稀疏表示快速高效的求解稀疏系數(shù),用于預測高光譜數(shù)據(jù)的標簽。在Indian Pines、Salinas和Pavia University等實際高光譜數(shù)據(jù)上進行實驗仿真,實驗結(jié)果表明:本章提出的方法能得到很高的地物識別率。
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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。
- 6. 下載文件中如有侵權(quán)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
- 基于空譜特征降維的高光譜圖像分類.pdf
- 空譜信息聯(lián)合的高光譜圖像分類方法研究.pdf
- 基于空譜聯(lián)合的高光譜圖像分類研究.pdf
- 空譜聯(lián)合高光譜遙感圖像半監(jiān)督分類.pdf
- 基于組稀疏編碼的高光譜圖像空譜聯(lián)合分類方法.pdf
- 空譜協(xié)作的高光譜圖像分類方法研究.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
- 空譜信息聯(lián)合的高光譜圖像精細分類研究.pdf
- 高光譜遙感影像降維及分類方法研究.pdf
- 高光譜遙感影像空譜特征提取與分類方法研究.pdf
- 高光譜圖像空譜聯(lián)合監(jiān)督分類算法及軟件系統(tǒng).pdf
- 基于光譜庫的空譜聯(lián)合高光譜稀疏解混方法研究.pdf
- 基于空譜聯(lián)合的高光譜圖像光譜域去噪方法研究.pdf
- 高光譜數(shù)據(jù)降維算法研究.pdf
- 高光譜遙感圖像的降維與分類研究.pdf
- 基于深度自編碼網(wǎng)絡的高光譜圖像空譜聯(lián)合分類.pdf
- 基于核空譜信息挖掘的高光譜圖像分類方法研究.pdf
- 面向高維數(shù)據(jù)降維與分類的深度模型構(gòu)建方法研究.pdf
- 基于流形學習的高光譜圖像空-譜聯(lián)合特征提取與分類.pdf
- 南方主要喬木樹種高光譜數(shù)據(jù)降維組合分類算法研究.pdf
評論
0/150
提交評論