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、高光譜圖像包含豐富的空間信息和光譜信息,具有圖譜合一的特點??臻g信息中的每個像元,在數(shù)百個波段上形成的連續(xù)光譜信息特征,是完成圖像分析的重要依據(jù)。高光譜圖像整合物體空間的幾何特征與光譜的類別屬性對地物探測、目標識別等領(lǐng)域的研究具有重要價值。研究高光譜圖像分析方法,不論是篩選高質(zhì)量波段圖像,還是精細探測地物類型,以及地物屬性分類,都為高光譜圖像信息的深入挖掘和量化分析提供有效途徑。
高光譜圖像的分析方法主要包括:波段選擇、端元提
2、取、地物分類。波段選擇是高光譜圖像的預處理步驟,選擇高信噪比波段圖像,去除冗余信息是精確處理的重要保證。端元提取確定高光譜圖像中純凈的地物類別光譜,是混合像元在亞像元完成目標探測的重要步驟,所提取的端元光譜對分類及識別精度有重要影響。地物分類完成同類別地物的區(qū)域劃分,為決策規(guī)劃提供依據(jù)。
傳統(tǒng)高光譜圖像分析方法欠缺空間信息和光譜信息間的有機結(jié)合,缺乏確定高光譜圖像分析時波段數(shù)目、端元數(shù)量、地物類別的參數(shù)化指標。針對以上缺點,本
3、文創(chuàng)新性地提出基于峰值密度聚類算法的高光譜圖像分析方法,利用算法得出的參數(shù)化指標,依次完成波段選擇、端元提取、地物分類的高光譜圖像分析。引入超像元分割算法,提升高光譜圖像空間信息與光譜信息的利用率,降低算法運算負擔,增強全局優(yōu)化能力,系統(tǒng)性研究高光譜圖像分析方法。
本文在第一章高光譜遙感研究概述的基礎(chǔ)上,圍繞高光譜圖像分析技術(shù),開展波段選擇、端元提取、地物分類三方面論述。第二章討論經(jīng)典聚類方法的不足,闡明峰值密度聚類與超像元分
4、割算法的優(yōu)勢。借鑒國內(nèi)外研究進展,提出創(chuàng)新性的技術(shù)路線和研究思路。從本文的第三至第五章開始,各章節(jié)以算法原理,實驗數(shù)據(jù),評價指標,分析討論的整體框架,分別對應(yīng)波段選擇、端元提取和地物分類的高光譜圖像分析方法展開研究。總體來說,本文在高光譜圖像分析中取得如下進展:
(1)針對高光譜相鄰波段圖像之間信息相關(guān)性強,冗余度大的問題。提出一種基于峰值密度聚類的波段選擇算法。該方法在選擇波段的數(shù)量方面,提出輔助性參數(shù)化方案。通過確定的波段
5、數(shù)量,利用高光譜圖像波段之間的相關(guān)性,劃分出信息量相關(guān)的波段圖像子集,提取以上子集的峰值密度聚類特征,構(gòu)建組合特征的高光譜圖像,并采用支持向量機完成地物分類。該方法通過參數(shù)指標確定選擇波段數(shù)量,成功去除高光譜相鄰波段圖像的冗余信息對分類效果的干擾,克服算法收斂慢、全局優(yōu)化能力弱的缺陷,提升波段選擇效果。
(2)本文在綜合經(jīng)典端元提取算法思想的基礎(chǔ)上,提出基于峰值密度聚類的端元提取算法。該方法利用線性光譜混合模型,結(jié)合混合像元光
6、譜在高維空間上的分布特點,估計端元數(shù)目篩選純像元光譜,解決端元提取算法中端元數(shù)目估計問題。
(3)在地物分類方面,針對目前大多數(shù)算法利用高光譜圖像空間信息不足的缺點,提出整合超像元分割和峰值密度的高光譜圖像聚類算法。使超像元作為峰值密度算法的最小聚類單位,利用圖像形態(tài)學特征減少高光譜圖像數(shù)據(jù)量,排除異常像元的干擾。該方法不僅減輕算法運算負擔,同時確定地物的類別數(shù)量,提升聚類精度。
最后,第六章對全文工作進行總結(jié),并指
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
- 基于密度峰值聚類算法的高光譜圖像分類.pdf
- 基于密度峰值快速搜尋聚類的光譜圖像分割與變化檢測.pdf
- 基于流形的密度峰值聚類算法研究.pdf
- 基于快速密度峰值聚類的圖像檢索技術(shù)研究與應(yīng)用
- 基于快速密度峰值聚類的圖像檢索技術(shù)研究與應(yīng)用.pdf
- 基于網(wǎng)格的密度峰值聚類算法研究及其應(yīng)用.pdf
- 基于模糊密度峰值聚類的復雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)研究.pdf
- 基于密度峰值快速搜索聚類算法的高光加工刀具狀態(tài)監(jiān)測研究.pdf
- 基于密度峰值聚類的前列腺KVCT圖像3D分割.pdf
- 基于密度的鞋印圖像聚類算法研究.pdf
- 基于密度峰值的圖像分割算法研究.pdf
- 基于密度峰值聚類的robocup仿真2d陣型研究
- 基于光譜特性的高光譜圖像壓縮方法研究.pdf
- 基于密度聚類的醫(yī)學圖像分割和特征提取方法研究.pdf
- 基于密度方法的XML文檔聚類研究.pdf
- 基于SVDD的密度峰值聚類算法及其接入網(wǎng)入侵檢測研究.pdf
- 劃分聚類與基于密度聚類算法的改進方法研究.pdf
- 基于高斯混合密度模型的醫(yī)學圖像聚類研究.pdf
- 基于密度聚類算法的改進方法研究.pdf
- 高光譜信號基于聚類的壓縮技術(shù)研究
評論
0/150
提交評論