基于空谱结构性挖掘的高光谱图像分类方法研究

《基于空谱结构性挖掘的高光谱图像分类方法研究》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、基于空谱结构性挖掘的高光谱图像分类方法研究作者姓名任宇学校导师姓名、职称杨淑媛教授领域电子与通信工程企业导师姓名、职称李青高工申请学位类别工程硕士提交学位论文日期2014年11月学校代码10701学号1202121298分类TN82号TN82密级公开西安电子科技大学硕士学位论文基于空谱结构性挖掘的高光谱图像分类方法研究作者姓名：任宇领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：杨淑媛教授企业导师姓名、职称：李青高工提交日期：2014年11月IVResearchonClassificationofHype

2、rspectralImagebasedonSpatial-SpectralStructuralExcavationAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByRenYuSupervisor:YangShuyuanLiQingNovember2014VVI西安电子科技大学毕业论文独创性（或创新性）声

3、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究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，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。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。本论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期：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毕业论文的

4、规定，即：研究生在校学习期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合毕业论文研究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本论文属于保密，在年解密后适用本授权书。本人签名：导师签名：日期：日期：VII摘要摘要传统的高光谱图像分类方法大都仅考虑高光谱图像数据的光谱特征进行分类，然而随着高光谱成像技术的飞速发展，所获的影像数据的

5、空间分辨率和谱间分辨率都有显著提高，使得空间信息的利用变为可能。高光谱数据本身除了光谱特征以外也包含了丰富的空间结构特征，而且由于空间分辨率的提高，像素间的关系更强，混叠现象也较为严重造成了混合像元的存在，不同类的样本之间光谱信息也较为相似，仅利用光谱信息的分类很难达到较为理想的结果。本文同时挖掘高光谱图像的空间信息和光谱信息来进行图像分类，提出了几种基于空-谱联合的高光谱图像分类算法，主要工作总结如下：1.提出了一种基于空-谱稀疏性的高光谱图像分类算法。在对高光谱数据进行稀疏性分析的基础上，利用超像素的方法挖掘数

6、据的空间信息，采用稀疏编码的方法挖掘数据的光谱信息，结合超像素间的空间近邻关系设计了基于空-谱稀疏性的高光谱图像分类算法。该方法一方面可以大量减少样本数量，另一方面可以降低混合像元的影响，减少椒盐状的错分，获得区域一致性更好的分类结果。在经常用到的实际的高光谱数据集（AVIRIS卫星）上进行仿真，并将结果与一些经典的方法进行比较，结果表明，本章提出的基于空-谱稀疏性的高光谱图像分类算法在区域一致性和分类精度上均具有明显优势，且具有较好的算法鲁棒性；2.提出了一种基于空-谱核低秩表示的高光谱图像分类算法，利用低秩表示

7、挖掘数据的全局结构信息，利用图像的区域局部一致性挖掘数据的空间信息。考虑到实际的光谱数据很难满足严格的低秩结构，将超像素块进行核映射后在高维的投影空间挖掘数据的低秩结构信息；在半监督图的基础上构造样本空-谱核低秩表示的关系，实现较少标记样本情况下的精确分类。在经常用到的实际的高光谱数据集（AVIRIS卫星）上进行仿真，并将结果与一些经典的方法进行比较，结果表明，本章提出的基于空-谱核低秩表示的高光谱图像分类算法在标记样本数较少的情况下比其他方法精度高，且算法的区域一致性也较其他方法更好；3.设计了一种基于空-谱稀疏

8、张量的高光谱图像分类算法。高光谱图像是一种天然的多维数据，在张量的形式下更利用空-谱信息的挖掘。在稀疏编码理论的基础上，同时考虑高光谱图像的空间一致性，将数据的空域信息与光谱信息相结合，推广到高光谱数据的张量表示上，提出了一种基于空-谱联合的张量稀疏编码算法，用于高光谱数据的分类。在实际的高光谱数据集上进行仿真将结果与一些经典的稀疏编码的算法进行比较，结果表