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、遙感技術(shù)發(fā)展的總趨勢是以更高空間分辨率、更高光譜分辨率、更高時間分辨率對地球進(jìn)行探測,進(jìn)而提供地表覆蓋環(huán)境更加精確、細(xì)致的觀測信息。自上世紀(jì)80年代光譜成像技術(shù)被提出以來,高光譜成像已經(jīng)成為一種重要的遙感探測手段,其本質(zhì)在于能夠同時提供地物分布的空間信息和較高分辨率的光譜信息。因此,高光譜遙感圖像數(shù)據(jù)處理與信息挖掘技術(shù)研究具有重要的理論意義和巨大的應(yīng)用價(jià)值,已成為遙感成像探測與信息處理領(lǐng)域的研究熱點(diǎn)。
本論文以高光譜遙感圖像地
2、物分類為背景,以核學(xué)習(xí)理論和方法為技術(shù)框架,針對高光譜遙感圖像的特征提取、光譜分類和空間-光譜信息聯(lián)合分類等問題開展研究,重點(diǎn)研究了基于單核/多核學(xué)習(xí)理論的高光譜圖像光譜信息和空譜聯(lián)合信息挖掘技術(shù),旨在充分利用高光譜圖像所提供的空間-光譜聯(lián)合信息,提高地物分類性能。本論文研究的主要工作體現(xiàn)在:
首先,整體研究核學(xué)習(xí)理論及其最新進(jìn)展——多核學(xué)習(xí)理論及方法,奠定本論文研究內(nèi)容的理論基礎(chǔ)。論文在概要介紹了核學(xué)習(xí)理論及核方法設(shè)計(jì)的基礎(chǔ)
3、上,研究和分析了多核學(xué)習(xí)理論所涉及到的多核構(gòu)造、優(yōu)化學(xué)習(xí)方法,在理論上對合成核和多尺度核方法進(jìn)行了研究。
其次,立足于高光譜圖像數(shù)據(jù)自身統(tǒng)計(jì)特性,將數(shù)據(jù)特性同核方法設(shè)計(jì)有機(jī)結(jié)合,提出了基于子空間調(diào)制核的高光譜圖像特征提取方法。論文依據(jù)成像光譜探測原理所決定的高光譜圖像數(shù)據(jù)子空間特性,研究了三種子空間劃分的度量準(zhǔn)則;在此基礎(chǔ)上,設(shè)計(jì)了子空間調(diào)制核函數(shù),以使源自成像機(jī)理的數(shù)據(jù)子空間特性融入到核設(shè)計(jì)及特征提取方法中,進(jìn)而達(dá)到充分利用
4、高光譜成像和數(shù)據(jù)特性的目的;論文利用地物分類實(shí)驗(yàn)驗(yàn)證了所提出的子空間調(diào)制核方法的有效性,即在提取特征的同時有效地提高分類性能。
再次,以基于光譜信息的地物分類應(yīng)用為直接導(dǎo)引,重點(diǎn)研究了多尺度多核學(xué)習(xí)分類模型,提出了多尺度多核最優(yōu)集成學(xué)習(xí)方法。針對以支持向量機(jī)為代表的傳統(tǒng)核方法學(xué)習(xí)能力受限于單核函數(shù)的問題,本文提出了多尺度多核學(xué)習(xí)模型;進(jìn)一步,將多尺度多核學(xué)習(xí)問題分解為多尺度核無監(jiān)督學(xué)習(xí)和支持向量機(jī)優(yōu)化兩個子問題,并提出了秩“1
5、”約束下的基于非負(fù)矩陣分解和核非負(fù)矩陣分解的多核最優(yōu)集成學(xué)習(xí)方法。相比于傳統(tǒng)支持向量機(jī)和當(dāng)前主流的多核學(xué)習(xí)方法,本文所提出的方法具有更優(yōu)的性能。
最后,為充分挖掘和利用高光譜圖像的空-譜信息,構(gòu)建了多特征多核學(xué)習(xí)模型,將空間特征和光譜特征有機(jī)地融合在多核學(xué)習(xí)理論框架下,進(jìn)一步提升了高光譜圖像地物分類能力。論文構(gòu)建了多特征多核學(xué)習(xí)模型,提出了多特征多核最優(yōu)集成學(xué)習(xí)方法,用以實(shí)現(xiàn)空譜特征的聯(lián)合分類,論文針對高光譜圖像自身提取的空間
6、-光譜信息聯(lián)合、高分辨率可見光圖像空間信息和高光譜圖像光譜信息聯(lián)合兩種情況進(jìn)行了研究。首先,針對三類典型的高光譜圖像空間特征(局部區(qū)域矩特征、Gabor空間紋理特征、多尺度形態(tài)學(xué)特征)進(jìn)行了多核分類研究,分析了不同空間特征對于不同數(shù)據(jù)源的適應(yīng)性;其次,分別從高空間分辨率的可見光圖像和高光譜分辨率的高光譜圖像中分別提取空間特征和光譜信息,構(gòu)建多特征聯(lián)合分類模型及方法。真實(shí)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明,本文提出的模型及方法有效地提高了空譜特征可利用性
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
- 空譜信息聯(lián)合的高光譜圖像分類方法研究.pdf
- 基于空譜結(jié)構(gòu)性挖掘的高光譜圖像分類方法研究.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
- 空譜協(xié)作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
- 空譜信息聯(lián)合的高光譜圖像精細(xì)分類研究.pdf
- 基于組稀疏編碼的高光譜圖像空譜聯(lián)合分類方法.pdf
- 基于空譜特征降維的高光譜圖像分類.pdf
- 面向高光譜圖像空譜分類的學(xué)習(xí)算法研究.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
- 空譜聯(lián)合高光譜遙感圖像半監(jiān)督分類.pdf
- 基于空譜聯(lián)合的高光譜圖像光譜域去噪方法研究.pdf
- 基于深度自編碼網(wǎng)絡(luò)的高光譜圖像空譜聯(lián)合分類.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
- 面向高光譜圖像的空譜核半監(jiān)督圖聚類算法研究.pdf
- 空-譜聯(lián)合高光譜數(shù)據(jù)降維與分類方法研究.pdf
- 基于流形學(xué)習(xí)的高光譜圖像空-譜聯(lián)合特征提取與分類.pdf
- 基于譜域-空間特征的半監(jiān)督高光譜圖像分類方法研究.pdf
- 高光譜遙感影像空譜特征提取與分類方法研究.pdf
- 基于光譜庫的空譜聯(lián)合高光譜稀疏解混方法研究.pdf
評論
0/150
提交評論