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
