資源描述:
《基于投影尋蹤的高光譜圖像降維算法研究》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在學術論文-天天文庫。
1、摘要高光譜圖像數(shù)據(jù)具有波段多、光譜分辨率高、波段寬度窄、數(shù)據(jù)量龐大等特點,因而對地物的描述與測度更加細致,但由此也帶來了光譜維數(shù)高,處理難度大,計算量大,實時性差的問題。顯然,如何有效地“降維”,將數(shù)據(jù)投影到低維空間進行分析是解決這一問題的有效途徑。本文對高光譜圖像的降維方法進行了研究,并根據(jù)實驗需要搭建了基于液晶可調(diào)諧濾波器的光譜圖像采集系統(tǒng)。主要工作如下:1.為滿足實驗需要,搭建了一個基于液晶可調(diào)諧濾波器(LCTF)的光譜圖像采集系統(tǒng),在不同的場景中進行了多次實驗,結果表明該系統(tǒng)所得光譜圖像可以滿足研究需要,為具體算法研究提供了必備條件
2、。2.對常用的高光譜圖像降維方法進行了研究,給出了常用的波段選擇方法、自適應子空間劃分方法、主成分分析方法的仿真分析。分析表明利用波段選擇和劃分數(shù)據(jù)源的降維方法,依靠單一指標進行波段選擇和數(shù)據(jù)源劃分容易損失有效信息,而主成分分析方法雖然能在保留大部分信息前提下實現(xiàn)有效降維,但其通常只能反映數(shù)據(jù)的全局或主要特征,而不能反映局部或細節(jié)特征。3.對投影尋蹤方法在高光譜圖像降維中的應用進行了研究,分別給出了以偏度、峰度、Jones矩指標等為投影指標,以遺傳算法為優(yōu)化算法的仿真分析,仿真結果表明投影尋蹤算法能突出數(shù)據(jù)的局部特征,但實時性較差。4.提出
3、了一種基于自適應子空間劃分的序貢投影尋蹤方法,利用自適應子空間劃分優(yōu)化高光譜圖像的分組方式,再應用序貫投影尋蹤方法對其實現(xiàn)降維。仿真表明此方法不但能降低計算時間,進一步突出數(shù)據(jù)的局部特征,而且能有效地利用高光譜圖像相關性。關鍵詞:高光譜圖像液晶可調(diào)諧濾波器自適應子空間劃分降維序貫投影尋蹤AbstractComparedwithmultispectralimages,thehyperspectratimageshavemorebands,higherspectralresolution,narrowerbandwidth,thuscandes
4、cribeandmeasuretheobjectsinmoredetail.Butforpracticalpurpose,thedimensionalityistoohighandthecomputationburdenistooheavy.Inthisthesis,thedimensionalityreductionmethodsofhyperspectralimagesarestudiedindetail.Themaincontributionsareasfollows:1.Aspectralimagingsystem,whichisb
5、asedOilLiquid·CrystalTunableFiltersfLCTF),iSconstructed.Lotsofexperimentswithdifferentscenearecarriedout.Theexperimentresultsshowthattheconstructedspectralimagingsystemcancaptureeffectivespectralimages,whichprovidesthebasisforconcretealgorithmresearch.2.Severaldimensionali
6、tyreductionmethodsofhyperspectralimagesareanalyzed,andtheexperimentanalysesaregivenincludedconventionalmethodsofbandselection,adaptivesubspacedecompositionandPrincipleComponentAnalysis(PCA).Theexperimentresultsshowthatthebandselectionmethodsmayloselotsofinterestinginformat
7、ion.UsingPCAtoreducethedimensionofthehyperspectralimagesCallremainmostofinformation.ItCaningeneralreflecttheglobalfeaturesbutmayignorethelocalfeature.3.TheapplicationofProjectionPursmt(PP)todimensionreductionofthehyperspectralimagesisstudied.neexperimentswhichuseskewness,k
8、urtosis,Chiang’SproductandJonesmomentastheprojectionindexandGeneticAlgorithm(GA)astheopti