本文選題：高分辨率遙感圖像場景分類 + 典型相關(guān)分析　； 參考：《武漢大學(xué)》2016年博士論文

【摘要】：高分辨率遙感圖像信息提取和智能化解譯一直是遙感圖像處理領(lǐng)域的研究熱點之一。圖像中顏色、結(jié)構(gòu)、紋理等從不同角度反映場景目標(biāo)本質(zhì)的特征被廣泛應(yīng)用于各種分類算法,如何剔除多特征間不相關(guān)及冗余信息已經(jīng)吸引了多國學(xué)者的廣泛關(guān)注。一般而言,使用遙感圖像的多特征進(jìn)行場景分類會使冗余信息、不相關(guān)信息、特征維數(shù)急劇增加,這將不可避免地導(dǎo)致在龐大的特征維數(shù)中存在大量不相關(guān)或是冗余的信息,有時也會使得大量無效特征吞噬具有強(qiáng)判別性的主要分類特征,從而導(dǎo)致分類性能的嚴(yán)重下降。因此在遙感圖像場景分類領(lǐng)域多特征融合問題是一個重要的研究方向,這里所說的特征融合目的是為了獲得有意義的低維圖像表示,在高維多特征空間中建立多個映射,它的基本思想是對同一遙感圖像的不同特征進(jìn)行合理組合,以此建立一個新的特征空間,在新的特征空間中結(jié)合相關(guān)關(guān)系分析方法剔除對分類無效的信息,進(jìn)而促進(jìn)后續(xù)分類工作的順利進(jìn)行。對于將兩組特征利用復(fù)向量的方式合并在一起后再進(jìn)行融合,或是直接將多個特征向量首尾相連得到一組新的高維特征向量,這些處理方法雖能在一定程度上提升分類精度,但數(shù)據(jù)的多表示性及特征間的內(nèi)在相關(guān)性受到了極大程度的破壞,很難有效融合多特征。因此如何利用典型相關(guān)分析建立多特征融合算法在高分辨率遙感圖像場景分類領(lǐng)域是一個急需解決同時具有挑戰(zhàn)性的課題。就以上問題,本文深入研究基于典型相關(guān)分析的多特征融合分類算法,重點將引入有效相關(guān)準(zhǔn)則函數(shù)、進(jìn)一步優(yōu)化投影基以及尋找新的模型學(xué)習(xí)方法作為研究工作的切入點。設(shè)計一類通用的高分辨率遙感圖像特征融合分類框架,使得同一幅遙感圖像多特征數(shù)據(jù)之間能夠?qū)崿F(xiàn)信息的有效傳遞及緊密協(xié)作,從而實現(xiàn)高分辨率遙感圖像場景分類的自動化解譯,進(jìn)而促進(jìn)從遙感數(shù)據(jù)到具體應(yīng)用領(lǐng)域的信息自主轉(zhuǎn)化。有效避免了傳統(tǒng)方法中僅針對某一個具體應(yīng)用場景中的一點問題進(jìn)行解決,這樣在很大程度上擴(kuò)大了算法的應(yīng)用范圍,同時算法的實際應(yīng)用價值也得到了提升。針對遙感圖像特征數(shù)據(jù)中存在的全局幾何結(jié)構(gòu)特性,本文通過引入模式識別中一種有效的建立相關(guān)準(zhǔn)則函數(shù)的方法,構(gòu)建了遙感圖像多組特征背景下的多特征融合框架,并以此為基礎(chǔ)完成了高分辨率遙感圖像場景分類實驗。該特征融合框架解決了高分辨率遙感圖像處理領(lǐng)域多特征融合問題,同時還為遙感圖像處理中多特征融合帶來了新思路。從數(shù)據(jù)挖掘的角度來說,該框架不僅能夠表達(dá)出遙感數(shù)據(jù)間的相關(guān)信息,同時還能發(fā)掘樣本數(shù)據(jù)的固有幾何結(jié)構(gòu)。此外,在高分辨率遙感圖像數(shù)據(jù)應(yīng)用背景下發(fā)現(xiàn)了框架中存在的適配性問題,并在后續(xù)的工作中針對此問題給出了相應(yīng)的解決方案。針對稀疏典型相關(guān)分析算法在特征融合過程中不能有效獲得稀疏特征這一問題,提出一種將稀疏典型相關(guān)分析與平滑削邊絕對偏離懲罰函數(shù)(Smoothly Clipped Absolute Deviation, SCAD)以及貝葉斯信息準(zhǔn)則(Bayesian Information Criterions, BIC)相結(jié)合的基于稀疏特征的遙感圖像分類方法。該方法利用SCAD作為懲罰函數(shù),對稀疏典型相關(guān)分析的相關(guān)準(zhǔn)則函數(shù)進(jìn)行懲罰處理,再利用BIC算法進(jìn)一步稀疏化所得投影基,為稀疏典型相關(guān)分析算法提供了一個新思路。值得注意的是,這種處理方法能夠直接控制特征的稀疏性,也在一定程度上保證了哲人性質(zhì)(Oracle Property),即模型選擇的相和性和參數(shù)估計的漸進(jìn)正態(tài)性,并在實驗階段驗證了算法的有效性。針對典型相關(guān)分析算法的非監(jiān)督特性,本文引入了一種將標(biāo)簽傳播算法(Label Propagation Algorithm, LPA)和典型相關(guān)分析算法相結(jié)合的遙感圖像半監(jiān)督分類方法。該方法主要思想是利用LPA算法建立樣本數(shù)據(jù)的關(guān)系圖模型,在建立的圖模型中利用已知標(biāo)號信息的節(jié)點推理預(yù)測未標(biāo)記節(jié)點的標(biāo)號信息。引入半監(jiān)督學(xué)習(xí)思想后,在遙感圖像場景分類過程中減少了人為干預(yù),提升了遙感圖像場景分類的效率與準(zhǔn)確率。
[Abstract]:It is an important research direction in the field of high - resolution remote sensing image scene classification . A semi - supervised classification method of remote sensing image based on the method of label propagation algorithm and canonical correlation analysis is introduced in this paper .

【學(xué)位授予單位】：武漢大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 張紫昭;陳凱;程文瑜;劉軍;田忠鋒;;基于Fisher判別分析法的井巷圍巖質(zhì)量分類研究[J];煤炭科學(xué)技術(shù);2016年11期

2 王鳳姣;;圖像語義多特征的融合提取方法[J];電子技術(shù)與軟件工程;2016年19期

3 古麗娜孜·艾力木江;孫鐵利;乎西旦;;一種基于融合核函數(shù)支持向量機(jī)的遙感圖像分類[J];東北師大學(xué)報(自然科學(xué)版);2016年03期

4 陽同光;桂衛(wèi)華;;基于KPCA與RVM感應(yīng)電機(jī)故障診斷研究[J];電機(jī)與控制學(xué)報;2016年09期

5 朱曉光;聶培堯;林培光;;基于監(jiān)督學(xué)習(xí)的微博情感分類方法[J];計算機(jī)應(yīng)用與軟件;2015年08期

6 陳曉紅;陳松燦;;監(jiān)督型局部保持的典型相關(guān)分析[J];小型微型計算機(jī)系統(tǒng);2010年08期

7 彭巖;張道強(qiáng);;半監(jiān)督典型相關(guān)分析算法[J];軟件學(xué)報;2008年11期

8 楊健,楊靜宇,葉暉;Fisher線性鑒別分析的理論研究及其應(yīng)用[J];自動化學(xué)報;2003年04期

9 張學(xué)工;關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機(jī)[J];自動化學(xué)報;2000年01期

，

本文編號：1865255