【摘要】：高光譜遙感技術(shù)是上個(gè)世紀(jì)20年代發(fā)展起來(lái)的一種重要遙感技術(shù)。高光譜成像儀可以在多波段、窄間距下獲得幾乎連續(xù)的地物波譜圖像，使得高光譜圖像具有了相比傳統(tǒng)的遙感圖像更高的空間分辨率和光譜分辨率，并在農(nóng)業(yè)、地質(zhì)、沿海和內(nèi)陸水域環(huán)境、大氣研究、全球環(huán)境研究等領(lǐng)域得到了廣泛應(yīng)用。但成百乃至上千的波段也帶來(lái)了數(shù)據(jù)量大、“維數(shù)災(zāi)難”、信息冗余、存在噪聲波段的問(wèn)題，給高光譜圖像的存儲(chǔ)、傳輸和處理帶來(lái)了很多困難。因此，如何有效的降低高光譜圖像的維數(shù)成為了高光譜圖像需要解決的一個(gè)重要問(wèn)題。 傳統(tǒng)的降維方法有兩種，一種是特征提取，一種是特征選擇。為了保留高光譜圖像中特定波段的物理意義，，一般采取特征選擇的方法。論文中針對(duì)高光譜圖像的特點(diǎn)和存在的問(wèn)題，在對(duì)傳統(tǒng)的特征選擇方法和分類方法研究的基礎(chǔ)上，提出了一些新的高光譜圖像的波段選擇方法和半監(jiān)督分類方法。本文的主要研究?jī)?nèi)容如下： （1）提出了一種基于量子粒子群和SVM分類器的高光譜圖像波段選擇的方法。該方法首先將傳統(tǒng)連續(xù)域的量子粒子群算法映射到離散域，然后在離散域中搜索得到SVM的分類精度最高且所選波段個(gè)數(shù)最小的波段子集，進(jìn)而從原始的波段集合中選出最相關(guān)的波段子集。 （2）提出了一種基于分層聚類算法與多變量互信息結(jié)合的高光譜圖像波段選擇的方法。該方法首先提出一種在類標(biāo)已知的情況下，采用互信息度量波段之間冗余程度的一種評(píng)價(jià)準(zhǔn)則，然后結(jié)合分層聚類的方法，將每個(gè)波段作為一個(gè)個(gè)體，把所有的波段進(jìn)行聚類，最后從每個(gè)聚類中選擇出與類標(biāo)互信息值最大的波段作為最后的選中波段。 （3）提出了一種基于粒子群算法和最近鄰原則的高光譜圖像半監(jiān)督分類方法。在訓(xùn)練樣本有限的情況下，該方法利用有限的有標(biāo)記樣本和大量無(wú)標(biāo)記樣本，通過(guò)粒子群算法尋找最能代表樣本真實(shí)分布的原型點(diǎn)，然后結(jié)合近鄰原則對(duì)未知樣本進(jìn)行分類，從而提高分類的準(zhǔn)確率。 本文的工作得到了國(guó)家自然科學(xué)基金（61272282），“教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃”（NCET-13-0948）和中央高�；A(chǔ)科研業(yè)務(wù)費(fèi)（K50511020011）等項(xiàng)目的資助。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 李紅波,舒嶸,薛永祺;PHI超光譜成像系統(tǒng)及其海洋遙感應(yīng)用前景分析[J];紅外與毫米波學(xué)報(bào);2002年06期

2 童慶禧,鄭蘭芬,王晉年,王向軍,董衛(wèi)東,胡遠(yuǎn)滿,黨順行;濕地植被成象光譜遙感研究[J];遙感學(xué)報(bào);1997年01期

3 張良培,鄭蘭芬,童慶禧;利用高光譜對(duì)生物變量進(jìn)行估計(jì)[J];遙感學(xué)報(bào);1997年02期

相關(guān)博士學(xué)位論文 前1條

1 劉華文;基于信息熵的特征選擇算法研究[D];吉林大學(xué);2010年

本文編號(hào)：2528982