基于域变换递归滤波的高光谱图像分类方法研究

基于域变换递归滤波的高光谱图像分类方法研究

ID:37084609

大小:3.28 MB

页数:63页

时间:2019-05-17

基于域变换递归滤波的高光谱图像分类方法研究_第1页
基于域变换递归滤波的高光谱图像分类方法研究_第2页
基于域变换递归滤波的高光谱图像分类方法研究_第3页
基于域变换递归滤波的高光谱图像分类方法研究_第4页
基于域变换递归滤波的高光谱图像分类方法研究_第5页
资源描述:

《基于域变换递归滤波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、学校代号10532学号S150900764分类号TP391密级公开硕士学位论文基于域变换递归滤波的高光谱图像分类方法研究学位申请人姓名向轩琳培养单位电气与信息工程学院导师姓名及职称康旭东副教授学科专业控制科学与工程研究方向图像处理与模式识别论文提交日期2018年4月17日学校代号:10532学号:S150900764密级:公开湖南大学硕士学位论文基于域变换递归滤波的高光谱图像分类方法研究学位申请人姓名:向轩琳导师姓名及职称:康旭东副教授培养单位:电气与信息工程学院专业名称:控制科学与工程论文提交日期:2018年4月17日论文答辩日期:2018年5月19日答辩委员会

2、主席:刘小燕教授ResearchesonHyperspectralImageClassificationviaDomainTransformRecursiveFilterbyXIANGXuanlinB.E.(GuangxiUniversity)2015AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinControlScienceandEngineeringintheGraduateSchoolofHunanUniversitySuperv

3、isorAssociateProfessorKANGXudongApril,2018湖南大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授

4、权湖南大学可以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,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密□,在______年解密后适用本授权书。2、不保密。(请在以上相应方框内打“√”)作者签名:日期:年月日导师签名:日期:年月日I基于域变换递归滤波的高光谱图像分类方法研究摘要高光谱图像的光谱范围从可见光到远红外,包含了数百个波段,光谱分辨率达到了纳米级别。这使得高光谱图像具有其他遥感图像未能拥有的特性,它可以提供地物丰富的光谱信息和特有的物理性状,从而提升了人类认识客观世界的能力。然而传统的遥感图像处理方法运用到高光谱图

5、像领域时有诸多挑战。首先,高光谱图像的光谱分辨率远高于计算机视觉和其他遥感应用中使用的图像。此外,由于卫星和机载平台拍摄的高光谱图像很容易受到照明、阴影和天气等许多环境因素的影响。在这种不完美的情况下,高光谱图像中样本的光谱特征通常相对复杂。这意味着属于同一地物的样本可能具有完全不同的光谱,反之亦然。针对上述问题,本文提出了如下两种基于域变换递归滤波的高光谱图像分类方法:1)由于场景的复杂性和人工标注的不可靠性,高光谱图像分类的训练集可能存在误标记的情况。针对这一问题,本文提出一种基于域变换递归滤波与光谱探测的方法来检测并纠正错误标记的训练样本,从而提高了后续的高

6、光谱图像分类精度。该方法首先将域变换递归滤波用于特征提取,提高训练样本的可分性。然后,在每个训练集上执行基于约束能量最小化的目标检测操作。最后,根据不同类别的平均检测概率验证或修正每个训练样本的标签。实验结果表明,所提出的方法能有效纠正错误的训练样本,从而提高分类精度。2)域变换递归滤波可有高效表示高光谱图像中物体的光谱和空间结构。然而,单尺度的域变换递归滤波特征不足以提供多尺度空间信息的完整表征。此外,其平滑操作不可避免地降低了不同类别的对象之间的光谱差异,降低部分地物的可分性。针对这些问题,本文提出了一种基于域变换递归滤波和主成分分析的高光谱图像分类方法:首先

7、,将具有不同参数设置的域变换递归滤波器应用于输入图像来构建多尺度边缘保持特征,并且将所得到的多尺度边缘保持特征堆叠在一起。使用主成分分析降低特征维度的同时融合多尺度信息,不仅提高了算法效率,同时提升了边缘保持特征的可分性。最后,由支持向量机分类器对得到的特征进行分类。在多个真实高光谱数据集上的实验结果表明:所提出的方法相对于传统的边缘保持滤波特征提取方法,有效地提高了分类精度。关键词:域变换递归滤波;高光谱图像;图像分类;错误标记的训练样本;支持向量机II硕士学位论文AbstractHyperspectralimagescontainhundredsofbands

8、rangi

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。