基于信息熵的自训练半监督高光谱遥感影像分类研究

《基于信息熵的自训练半监督高光谱遥感影像分类研究》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、博士学位论文基于信息熵的自训练半监督高光谱遥感影像分类研究申请人姓名：王春阳指导教师：郭增长学位类别：工学博士专业名称：测绘科学与技术研究方向：遥感理论与技术河南理工大学测绘与国土信息工程学院二○一五年六月河南理工大学学位论文原创性声明本人郑重声明：所呈交的学位论文,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。论文中除了特别加以标注和致谢的地方外,不包含任何其他个人或集体已经公开发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。本人愿意承担因本学位论文引发的一切相关责任。学位论文作者签名:年月日河南理工大学学位论文使用授

2、权声明本学位论文作者及导师完全了解河南理工大学有关保留、使用学位论文的规定,即：学校有权保留和向有关部门、机构或单位送交论文的复印件和电子版,允许论文被查阅和借阅,允许将本学位论文的全部或部分内容编入有关数据库进行检索和传播,允许采用任何方式公布论文内容,并可以采用影印、缩印、扫描或其他手段保存、汇编、出版本学位论文。保密的学位论文在解密后适用本授权。学位论文作者签名：导师签名：年月日年月日中图分类号：P237密级：公开UDC：单位代码：10460基于信息熵的自训练半监督高光谱遥感影像分类研究ResearchonSelf-trainingSemi-supervisedClas

3、sificationforHyperspectralRemoteSensingImageBasedonInformationEntropy申请人姓名王春阳申请学位工学博士学科专业测绘科学与技术研究方向遥感理论与技术导师郭增长职称教授提交日期2015.06.06答辩日期2015.06.13河南理工大学致谢一千多个日日夜夜如过眼烟云，在博士论文即将完成之际，谨借此机会衷心地感谢这三年来给予我帮助和支持的人们！首先，感谢我的导师郭增长教授，正是他为我打开进入测绘科学的大门。郭老师严谨的治学态度、求实的科学作风、渊博的学识、敏锐的思维、高尚的品德、极大的工作热忱以及对我学业上的悉心指

4、导、鼓励和帮助，才使我得以顺利地完成博士期间的学习和研究任务。论文付梓之际，欣喜之余，再次向导师表达我最诚挚的敬意和衷心的感谢。感谢王双亭教授在科研学习和生活上给予的关心和帮助。王老师以高瞻远瞩的智慧指导我从专业上的劣势转化为科研中的优势、指导我攻破一个又一个遇到的问题。从论文的选题、研究的深入直至最终的定稿，王老师都给予无私的帮助，付出了大量的心血。感谢河南理工大学测绘学院遥感系全体老师马超、刘春国、杨磊库、成晓倩、韩瑞梅、刘培、王晓华、杨娜、李天子、卢晓峰，三年来给予我许多热情的帮助。感谢测绘学院李晶晶老师、牛海鹏教授、景海涛教授、何荣副教授、卢小平教授、张捍卫教授、王晓

5、梅教授、袁占良教授、张合兵副教授、梁翠英老师、许传阳老师给予我学习和生活上的帮助。感谢河南理工大学的同学和师兄师姐师弟师妹们刘轩、李伟、雷伟伟、徐丹、田淑静、王友、尹鹏飞、都伟冰、陈姣、贾文祥、盛琳、闫阳阳、靳欢欢、朱宁宁、孙鹏、王春来、张文静、罗玲、杨宁宁，和大家在一起度过了充实而愉快的学习时光，我永远珍惜这份友谊。感谢东北师范大学王文永教授，解放军信息工程大学杨国鹏博士、谭熊博士、李翔博士，中科院资源与环境学院李润奎博士、中国农业大学王彬武博士、中国国土资源经济研究院强海洋助理研究员、中科院成都山地所夏浩铭博士、核工业北京地质研究院田青林工程师、中科院武汉植物所姜庆虎博士

6、后、南京大学杨永可博士、首都师范大学郭彬斌博士、中科院烟台海岸所王秋贤博士、河南理工大学计算机学院芦碧波博士，谢谢他们在学术上能与我推心置腹的交流，激发出许多灵感的火花。感谢德国Cubert公司RenéMichels博士提供的UHD高光谱数据。感谢含辛茹苦培育我成长的父母和在背后默默支持我的岳父岳母。感谢我的妻子对我的理解和做出的牺牲，感谢我的女儿给予我的欢乐和勇气。最后，感谢百忙之中评阅本论文并提出宝贵意见和建议的各位专家。摘要高光谱遥感是现代遥感技术的一个里程碑式的发展标志，已是遥感领域的研究热点，其中高光谱影像自动分类又是高光谱遥感的关键。为了适应高光谱影像自动分类技术

7、对分类精度、分类稳定性、算法普适性的现实要求，本文在分析现有监督和非监督分类存在不足的基础上，围绕着半监督机器学习理论和信息熵理论对高光谱遥感影像自动分类技术开展了细致深入的研究，主要研究工作和创新性研究成果如下：（1）针对高光谱影像监督分类方法对训练集中有标记标签数量要求高、最终分类精度低和当前半监督分类方法中存在的构建模型复杂、方法实现困难等存在的问题，提出基于多分类Logistic回归与Renyi熵融合的自训练半监督高光谱影像分类方法。多分类Logistic算法利用少量的有标记训练样本对高光谱数据