基于子空间学习的高光谱影像地物分类

《基于子空间学习的高光谱影像地物分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、巧結？种藏匈圍硕±学位论文胃圍雜基于子空间学习的高光谱影像地物分类作者姓名张岛学校副巧姓名、职疏解成漏企业导师姓名、职称任媛媛高工ｍ串请学位类别工程硕±学校代码10701学号1302121328分类号TP751密级公开西安电子科技大学硕士学位论文基于子空间学习的高光谱影像地物分类作者姓名：张风领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：焦李成教授企业导师姓名、职称：任媛媛高工学院：电子工程学院提交日期：2015年12月HyperspectralImageTerrainClassificationBasedonSubspaceLe

2、arningAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationsEngineeringByZhangFengSupervisor:JiaoLichengProfessorRenYuanyuanSeniorEngineer西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研巧成果。尽我所知，除了

3、文中特别加Ｗ标注和致谢中所罗列的内容Ｗ外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一。学位论文若有不实之处，本人承担切法律责任本人签名：风日期：ｗ＇Ｃ？来叫西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，目Ｐ；研究生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可公布论

4、文的全部或部分内容，化许采用影。印、缩印或其它复制手段保存论文同时本人保证，结合学位论文研究成果完成的论、。文发明专利等成果，署名单位为西安电子科技大学保密的学位论文在年解密后适用本授权书。＿＿本人签名：导师签名：＿日期／Ｃ：ＭＪｈｌ日期；Ｗ／叫摘要摘要近年来，随着遥感技术的迅猛发展，人们可以获取大量的高光谱影像数据，高光谱影像数据能够同时获取地物的光谱特征信息和空间特征信息，可对地物进行精细分类。高光谱影像数据中光谱信息和空间信息很丰富，但样本维数很高，波段间信息冗余，数据海量，但有标记的样本数量很少。针对以上问题，本文进行较为深入研究，成果

5、如下：1.提出了一种基于子空间学习和稀疏编码的高光谱影像地物分类方法。该算法把高光谱影像数据投影到低维子空间和组稀疏编码集成到统一框架内，这样可以保证投影子空间是最优的，并且引入这一反应空间特征信息的约束，使得特征编码不仅具有整体稀疏性，并且保留了空间特征信息。仿真实验结果表明：基于子空间学习和稀疏编码的高光谱影像地物分类算法能够大大提高分类精度，并减少时间。2.提出了一种基于稀疏低秩回归的高光谱影像地物分类方法。该算法把高光谱影像数据投影到线性鉴别分析的子空间里，在子空间里做组Lasso回归，充分利用了高光谱影像数据的类别信息，使高维数据经过低维映射后具有较好的可分性，挖掘高光谱影

6、像数据的全局结构和内部本质。所以该算法能够得到较高的分类精度。在实际高光谱数据集上进行的仿真实验验证了该算法的性能。3.提出了一种基于虚拟标签回归的半监督高光谱影像地物分类方法。半监督分类方法能充分利用无标记样本，有效的克服样本标记不足的问题。但是无标记样本一旦被错误分类，这种错误在后续标记传递过程中将会被延续甚至扩大。该算法通过随机游走获取虚拟标签，虚拟标签能够检测出高光谱影像数据的异常值和半监督算法中训练样本标记不全，避免标记被错误传递。实验结果表明：基于虚拟标签回归的高光谱数据分类算法，能够大大提高准确率，具有很好的鲁棒性。实验结果表明，本文提出的模型及方法有效地提高高光谱遥感

7、影像像分类性能。最后论文对本文工作进行总结，并指出今后需要进一步研究的内容。关键词：高光谱影像，地物分类，组稀疏编码，空间拉普拉斯图正则，线性回归，子空间学习，半监督学习IABSTRACTABSTRACTInrecentyears,withtherapiddevelopmentofremotesensingtechnology,peoplecangetalotofhyperspectraldata,thespectralcharacteristicsofh