資源描述：
《基于高光譜數(shù)據(jù)的多源遙感圖像協(xié)同分類(lèi)研究.pdf》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、博士學(xué)位論文基于高光譜數(shù)據(jù)的多源遙感圖像協(xié)同分類(lèi)研究SYNERGETICCLASSIFICATIONOFHYPERSPECTRALDATA-BASEDMULTI-SOURCEREMOTESENSINGIMAGES陸小辰哈爾濱工業(yè)大學(xué)2018年6月國(guó)內(nèi)圖書(shū)分類(lèi)號(hào)：TP751.1學(xué)校代碼：10213國(guó)際圖書(shū)分類(lèi)號(hào)：621.3密級(jí)：公開(kāi)工學(xué)博士學(xué)位論文基于高光譜數(shù)據(jù)的多源遙感圖像協(xié)同分類(lèi)研究博士研究生：陸小辰導(dǎo)師：張鈞萍教授申請(qǐng)學(xué)位：工學(xué)博士學(xué)科：信息與通信工程所在單位：電子與信息工程學(xué)院答辯日期：2018年6月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)Classi
2、fiedIndex:TP751.1U.D.C:621.3DissertationfortheDoctoralDegreeinEngineeringSYNERGETICCLASSIFICATIONOFHYPERSPECTRALDATA-BASEDMULTI-SOURCEREMOTESENSINGIMAGESCandidate：LuXiaochenSupervisor：Prof.ZhangJunpingAcademicDegreeAppliedfor：DoctorofEngineeringSpeciality：InformationandCommun
3、icationEngineeringAffiliation：SchoolofElectronicsandInformationEngineeringDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology摘要摘要隨著傳感器技術(shù)的不斷進(jìn)步和計(jì)算機(jī)技術(shù)的廣泛應(yīng)用，傳統(tǒng)單一類(lèi)型的遙感數(shù)據(jù)已無(wú)法滿(mǎn)足人們?nèi)找嬖鲩L(zhǎng)的應(yīng)用需求，因此，多源遙感圖像的綜合利用成為了國(guó)內(nèi)外學(xué)者的研究重點(diǎn)。由于不同譜段范圍或不同分辨率的遙感圖像反映了地物不同方面的屬性或特征，因而充
4、分利用多源遙感圖像之間的差異性和互補(bǔ)性，能最大限度地發(fā)揮多源遙感圖像的優(yōu)勢(shì)。高光譜成像作為多源遙感圖像中最為重要的技術(shù)手段之一，憑借其精細(xì)的光譜分辨率和“圖譜合一”的特性，在地物分類(lèi)和目標(biāo)檢測(cè)等方面展現(xiàn)了獨(dú)特的優(yōu)勢(shì)。但是，高光譜圖像在空間分辨率方面的不足，及其普遍存在的“同譜異物”和“同物異譜”等問(wèn)題使其在很多情況下不能很好地解決高精度的分類(lèi)問(wèn)題。因此，論文以高光譜圖像為核心，以高分辨率全色圖像、多光譜、高光譜及紅外高光譜等多源遙感圖像的協(xié)同分類(lèi)為主旨，從不同角度分析和探討了高光譜圖像在地物分類(lèi)等實(shí)際應(yīng)用中所面臨的主要問(wèn)題，對(duì)基于高光譜的多源遙感
5、圖像的協(xié)同分類(lèi)進(jìn)行了深入的研究。論文工作對(duì)提高高光譜圖像數(shù)據(jù)的利用與信息獲取能力及其在遙感領(lǐng)域的推廣應(yīng)用等，具有重要的理論意義和研究?jī)r(jià)值。論文具體研究?jī)?nèi)容包含以下幾個(gè)部分。首先，針對(duì)高光譜圖像空間分辨率的不足，論文提出了一種基于光譜調(diào)制的高光譜圖像分辨率提升方法。由于高光譜相比全色圖像具有更高的光譜分辨率且覆蓋了更寬的光譜范圍，傳統(tǒng)的多光譜全色圖像融合方法效果并不理想。因此，論文從全色和多光譜圖像融合入手，采用多層帶間結(jié)構(gòu)模型，結(jié)合非子采樣輪廓小波變換，有效地增強(qiáng)了多光譜圖像的空間細(xì)節(jié)信息。在此基礎(chǔ)上，進(jìn)一步研究了基于光譜調(diào)制的多光譜和高光譜圖像
6、融合方法，并采用光譜解混方法，充分利用兩類(lèi)圖像的光譜和空間信息，實(shí)現(xiàn)高光譜圖像空間分辨率的提升，最后對(duì)增強(qiáng)后的高光譜圖像進(jìn)行了地物分類(lèi)研究。實(shí)驗(yàn)結(jié)果表明，提出的方法能有效地減小融合圖像的光譜失真，改善了圖像的分類(lèi)效果。其次，針對(duì)高光譜圖像普遍存在的“同譜異物”和“同物異譜”現(xiàn)象，論文提出了一種基于半監(jiān)督旋轉(zhuǎn)森林的高光譜和全色圖像協(xié)同分類(lèi)方法。通過(guò)對(duì)全色圖像采用面向?qū)ο蟮目臻g特征提取方法，彌補(bǔ)了僅用高光譜圖像的光譜特征描述地物的不足。并對(duì)提取的空間、光譜特征利用基于隨機(jī)子空間思想的集成學(xué)習(xí)方法進(jìn)行分類(lèi)，以解決多源圖像在實(shí)際應(yīng)用中，可能存在的特征冗余
7、、維數(shù)災(zāi)難等問(wèn)題。在此基礎(chǔ)上，針對(duì)現(xiàn)有旋轉(zhuǎn)森林方法中主成分變換未能利用樣本的類(lèi)別信息，提出了半-I-哈爾濱工業(yè)大學(xué)工學(xué)博士學(xué)位論文監(jiān)督旋轉(zhuǎn)森林方法，有效地提高了分類(lèi)精度。四組仿真和實(shí)際數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，提出的方法相比現(xiàn)有的集成學(xué)習(xí)和其它典型的分類(lèi)方法，能更好地利用樣本的類(lèi)別屬性和結(jié)構(gòu)分布等信息，增強(qiáng)分類(lèi)器的判別能力，獲得更好的分類(lèi)結(jié)果。特別地，針對(duì)高光譜圖像分類(lèi)中存在的小樣本問(wèn)題，論文提出了一種基于半監(jiān)督自學(xué)習(xí)的高光譜和全色圖像協(xié)同分類(lèi)算法。由于遙感圖像在獲取過(guò)程中，普遍存在著訓(xùn)練樣本少，人工標(biāo)記代價(jià)高的問(wèn)題，論文在分析了半監(jiān)督學(xué)習(xí)和主動(dòng)學(xué)習(xí)方
8、法各自特點(diǎn)的基礎(chǔ)上，結(jié)合兩者的優(yōu)勢(shì)，將高分辨率圖像分割技術(shù)引入高光譜圖像分類(lèi)中，并利用分類(lèi)器的預(yù)測(cè)結(jié)果，結(jié)合樣本自身的空-譜特征，對(duì)樣本
