發(fā)布時間：2019-07-24 19:44

【摘要】：隨著計算機技術(shù)的飛速發(fā)展,機器學(xué)習(xí)作為一門多領(lǐng)域交叉學(xué)科,已經(jīng)成為計算機科學(xué)技術(shù)中最受關(guān)注的領(lǐng)域之一。近年來,主動學(xué)習(xí)作為機器學(xué)習(xí)領(lǐng)域的研究熱點,受到越來越廣泛的關(guān)注。高光譜圖像是成像光譜儀在數(shù)十甚至數(shù)百個以上的連續(xù)的光譜通道上對地物持續(xù)遙感成像所成的圖像。由于高光譜圖像具有很高的光譜分辨率和豐富的波段信息,所以高光譜圖像在很多領(lǐng)域都應(yīng)用廣泛,例如植被、生態(tài)、大氣、以及海洋等研究領(lǐng)域。對于高光譜圖像來說,分類技術(shù)已經(jīng)成為高光譜圖像研究的熱點�，F(xiàn)階段,基于支持向量機(Support Vector Machine,SVM)的主動學(xué)習(xí)算法在高光譜圖像分類中的應(yīng)用越來越流行,考慮到傳統(tǒng)基于SVM的主動學(xué)習(xí)算法在分類過程中只利用了圖像單一的光譜信息而忽略了圖像的空間信息,本文提出了幾種主動學(xué)習(xí)和空間信息相結(jié)合的分類方法。具體研究內(nèi)容如下:1.提出了一種基于主動學(xué)習(xí)結(jié)果修正的高光譜圖像分類方法。在該算法中,首先利用傳統(tǒng)的SVM主動學(xué)習(xí)算法對高光譜圖像進行分類,得到一個初始的分類結(jié)果,然后計算每個訓(xùn)練樣本和它的鄰域樣本之間的光譜相似性,并與給定的閾值進行比較,最后利用比較的結(jié)果對初始分類結(jié)果進行修正,得到最終的分類結(jié)果。對高光譜圖像的仿真實驗表明:該方法與同類算法相比,分類正確率有所提高。2.提出了一種基于主動學(xué)習(xí)的兩階段高光譜圖像分類方法。該方法把普通的高光譜圖像分類過程分為兩個階段,第一階段利用圖像的空間信息先對訓(xùn)練樣本的鄰域樣本進行分類,第二階段結(jié)合第一階段分類的結(jié)果利用傳統(tǒng)主動學(xué)習(xí)算法對剩余樣本繼續(xù)分類,最后把兩階段的分類結(jié)果進行合并即為最終的分類結(jié)果。對高光譜圖像的仿真實驗表明:該方法與同類算法相比,在不改變訓(xùn)練樣本集規(guī)模的前提下提高了分類正確率。3.提出了一種結(jié)合圖像分割的主動學(xué)習(xí)高光譜圖像分類方法。該方法首先利用一種分割方法對高光譜圖像進行分割得到一幅分割圖,然后利用基于主動學(xué)習(xí)的分類方法對高光譜圖像進行分類得到一幅分類圖,最后對這兩幅分割圖和分類圖利用最大投票融合策略進行融合得到最終的分類結(jié)果。對高光譜圖像的仿真實驗表明:該方法與同類算法相比,不僅減少了“斑點狀”的誤分點,而且大大提高了分類正確率。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 諶德榮;宮久路;陳乾;曹旭平;;基于樣本分割的快速高光譜圖像異常檢測支持向量數(shù)據(jù)描述方法[J];兵工學(xué)報;2008年09期

2 蒲曉豐;雷武虎;張林虎;蔣奇材;;基于Fukunaga-Koontz變換的高光譜圖像異常檢測[J];紅外技術(shù);2010年04期

3 成寶芝;郭宗光;;高光譜圖像波段間相關(guān)特性研究[J];大慶師范學(xué)院學(xué)報;2013年06期

4 楊龍;易宏杰;李因彥;;遙感高光譜圖像赤潮識別[J];傳感器世界;2007年05期

5 汪倩;陶鵬;;結(jié)合空間信息的高光譜圖像快速分類方法[J];微計算機信息;2010年21期

6 王立國;孫杰;肖倩;;結(jié)合空-譜信息的高光譜圖像分類方法[J];黑龍江大學(xué)自然科學(xué)學(xué)報;2010年06期

7 馮朝麗;朱啟兵;朱曉;黃敏;;基于光譜特征的玉米品種高光譜圖像識別[J];江南大學(xué)學(xué)報(自然科學(xué)版);2012年02期

8 付歡;龍海南;韓曉霞;;基于冗余字典的高光譜圖像的稀疏分解[J];河北軟件職業(yè)技術(shù)學(xué)院學(xué)報;2013年04期

9 耿修瑞,張霞,陳正超,張兵,鄭蘭芬,童慶禧;一種基于空間連續(xù)性的高光譜圖像分類方法[J];紅外與毫米波學(xué)報;2004年04期

10 張綺瑋;機載高光譜遙感圖像處理軟件系統(tǒng)[J];紅外;2005年02期

相關(guān)會議論文 前10條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識別研究[A];成像光譜技術(shù)與應(yīng)用研討會論文集[C];2004年

2 高連如;張兵;孫旭;李山山;張文娟;;高光譜數(shù)據(jù)降維與分類技術(shù)研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會暨交叉學(xué)科論壇文集[C];2010年

3 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會論文（摘要）集[C];2013年

4 孫蕾;羅建書;;基于分類預(yù)測的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

5 楊勇;劉木華;鄒小蓮;苗蓬勃;趙珍珍;;基于高光譜圖像技術(shù)的獼猴桃硬度品質(zhì)檢測[A];走中國特色農(nóng)業(yè)機械化道路——中國農(nóng)業(yè)機械學(xué)會2008年學(xué)術(shù)年會論文集（下冊）[C];2008年

6 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質(zhì)量綜合評價[A];第八屆成像光譜技術(shù)與應(yīng)用研討會暨交叉學(xué)科論壇文集[C];2010年

7 高東生;高連知;;基于獨立分量分析的高光譜圖像目標盲探測方法研究[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

8 馮維一;陳錢;何偉基;;基于小波稀疏的高光譜目標探測算法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會論文（摘要）集[C];2013年

9 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

10 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復(fù)旦大學(xué);2014年

2 王亮亮;非線性流形結(jié)構(gòu)在高光譜圖像異常檢測中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 賀智;改進的經(jīng)驗?zāi)B(tài)分解算法及其在高光譜圖像分類中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

4 魏然;基于成像機理分析的高光譜圖像信息恢復(fù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學(xué);2015年

6 賀霖;高光譜圖像自動目標檢測技術(shù)研究[D];西北工業(yè)大學(xué);2007年

7 周爽;蟻群算法在高光譜圖像降維和分類中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2010年

8 陳雨時;基于光譜特性的高光譜圖像壓縮方法研究[D];哈爾濱工業(yè)大學(xué);2007年

9 石吉勇;基于高光譜圖像技術(shù)的設(shè)施栽培作物營養(yǎng)元素虧缺診斷研究[D];江蘇大學(xué);2012年

10 成寶芝;基于光譜特性的高光譜圖像異常目標檢測算法研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 豐爍;高光譜圖像波段選取問題的改進算法研究[D];昆明理工大學(xué);2015年

2 趙偉彥;果蔬干燥過程中的品質(zhì)無損檢測技術(shù)研究[D];江南大學(xué);2015年

3 馬亞楠;果蔬中內(nèi)部害蟲的高光譜圖像檢測技術(shù)研究[D];江南大學(xué);2015年

4 劉大洋;基于近紅外光譜和高光譜圖像技術(shù)無損識別獼猴桃膨大果[D];西北農(nóng)林科技大學(xué);2015年

5 王坤;高光譜圖像異常目標檢測及光譜成像在偽裝評估方面的應(yīng)用研究[D];南京理工大學(xué);2015年

6 王啟聰;高光譜圖像分類的GPU并行優(yōu)化研究[D];南京理工大學(xué);2015年

7 程凱;無先驗信息的高光譜圖像小目標檢測算法研究[D];蘇州大學(xué);2015年

8 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測研究[D];寧夏大學(xué);2015年

9 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識別建模研究[D];寧夏大學(xué);2015年

10 吳蓓芬;偏振高光譜圖像場景仿真及分類方法研究[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號：2518831