資源描述：
《高光譜遙感圖像分類方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號:TP39110710-2015112006碩士學(xué)位論文高光譜遙感圖像分類方法研究張蓓導(dǎo)師姓名職稱董安國教授申請學(xué)位類別理學(xué)碩士學(xué)科專業(yè)名稱數(shù)學(xué)論文提交日期2018年5月4日論文答辯日期2018年6月9日學(xué)位授予單位長安大學(xué)TheResearchontheClassificationMethodforHyperspectralRemoteSensingImagesAThesisSubmittedfortheDegreeofMasterCandidate：ZhangBeiSupervisor：Pr
2、of.DongAnguoChang’anUniversity,Xi’an,China摘要高光譜遙感圖像（Hyperspectralimage,HSI）為光譜分辨率在納米級范圍內(nèi)的光譜圖像，可以探測和識別到在寬波段遙感中不可見的物質(zhì)。在土地利用、資源調(diào)查、自然災(zāi)害、全球環(huán)境、星際探測等方面具有重要的應(yīng)用。高光譜圖像的分類則是指通過具體的分類算法提取圖像的空間特征，然而，隨著光譜維度的增加，對高光譜圖像的分類算法提出了更高的要求。為提高其分類精度，對分類算法的研究已經(jīng)成為遙感領(lǐng)域重要的課題。本文在現(xiàn)有分類
3、方法充分研究的基礎(chǔ)上，提出了基于圖的加權(quán)類標(biāo)傳播算法，且該分類方法的內(nèi)容包括構(gòu)造圖和類標(biāo)傳播算法。對于構(gòu)造圖，需對圖像的空間及光譜信息充分利用以建立稀疏表示模型，并使用稀疏系數(shù)作為相關(guān)性的度量。在使用殘差對相關(guān)性修正之后，構(gòu)造出體現(xiàn)像元間關(guān)系的圖。對于類標(biāo)傳播算法，需考慮兩個目標(biāo)：(1)相似度大的兩個像元其隸屬度向量的差異性小；(2)樣本像元的隸屬度盡量與其已知類別一致。將(1)，(2)兩目標(biāo)加權(quán)求和得到類標(biāo)傳播模型，從而求解出每一個像元的隸屬度向量。此外，為了提高計算效率，本文使用了迭代算法對線性方
4、程組進(jìn)行求解。為驗(yàn)證算法的可靠性，本文分別選取了美國印第安州西北部試驗(yàn)區(qū)、意大利帕維亞大學(xué)和美國加利福尼亞州薩利納斯山谷的遙感數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，并將結(jié)果與現(xiàn)存的分類算法（稀疏表示算法、支持向量機(jī)算法）和本文算法進(jìn)行了對比。實(shí)驗(yàn)結(jié)果表明，經(jīng)改進(jìn)后的基于圖的類標(biāo)傳播算法顯著提高了高光譜圖像的分類精度與Kappa指標(biāo)。關(guān)鍵詞：高光譜遙感，圖像處理，構(gòu)造圖，類標(biāo)傳播，分類IAbstractHyperspectralimage(HSI)isthespectralimagewhoseresolutionreach
5、esthenanometerscale,anditcandetectandidentifysubstanceswhichcouldnotbepredictedordistinguishedbywide-bandremotesensing.Italsohasimportantapplicationsinlandutilization,resourceinvestigation,naturaldisasters,globalenvironment,interstellarexploration,etc.T
6、heclassificationofHSIisdefinedasextractingthespatialcharacteristicsofimagebyspecificclassificationalgorithms.However,higherclassificationrequirementsforHIShavebeenproposedwiththeincreaseofspectraldimensions.ToenhanceclassificationaccuracyofHIS,theimprov
7、ementofclassificationalgorithmshasbecomeanimportanttopicintheresearchfieldofremotesensing.Inthisresearch,graph-basedlabelpropagationalgorithmisproposedbasedonthefullstudyofexistingclassificationmethods,andthecontentofthismethodincludesthegraphconstructi
8、onandthelabelpropagationalgorithm.Fortheconstructiongraph,sparserepresentationmodelisestablishedbymakingfulluseofspatialandspectralinformationoftheimage,andthemodelisalsouseasmeasureofactioncorrelation.Thegraphwhichcanreflectther
