隨著遙感對(duì)地觀測技術(shù)的飛速發(fā)展,成像光譜數(shù)據(jù)呈現(xiàn)指數(shù)增長,特別是人工智能技術(shù)和高性能計(jì)算的加速崛起,進(jìn)一步推動(dòng)了成像光譜大數(shù)據(jù)時(shí)代的到來。因此,如何高效地組織和管理海量的成像光譜數(shù)據(jù)成為一個(gè)亟待解決的實(shí)際應(yīng)用問題。此外,作為數(shù)字地球等各項(xiàng)重大建設(shè)項(xiàng)目的基礎(chǔ)性數(shù)據(jù),成像光譜圖像（spectral imagery）在城市規(guī)劃、環(huán)境監(jiān)測以及軍事偵察等領(lǐng)域有著廣泛的應(yīng)用。然而,網(wǎng)絡(luò)時(shí)代的開放性與共享性,使得網(wǎng)絡(luò)信息安全問題日益突出,特別是含有重要信息的成像光譜圖像則應(yīng)具有嚴(yán)格的保密性,要確保檢索過程中不發(fā)生失泄密事件。傳統(tǒng)的采用手工設(shè)計(jì)特征的圖像檢索方法,由于一直未能很好地解決低層特征和高層語義之間的語義鴻溝問題,難以形成對(duì)成像光譜圖像有效的特征表達(dá),從而制約了成像光譜圖像檢索技術(shù)的進(jìn)一步發(fā)展。而現(xiàn)有的成像光譜圖像檢索技術(shù)所關(guān)注的是如何設(shè)計(jì)有效的機(jī)制來提高檢索性能,往往忽略了圖像內(nèi)容的安全性問題。針對(duì)海量成像光譜圖像,如果在保證圖像檢索性能的同時(shí),有效地保障成像光譜圖像的安全性則具有重要的實(shí)際研究意義和廣泛的工程應(yīng)用價(jià)值。為此,論文從圖像檢索和安全相互結(jié)合、相互支持的觀點(diǎn)出發(fā),設(shè)計(jì)并實(shí)現(xiàn)一個(gè)基... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：96 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 成像光譜圖像安全檢索技術(shù)
    1.3 課題的提出
    1.4 論文研究內(nèi)容
    1.5 論文結(jié)構(gòu)安排
第2章 成像光譜圖像安全檢索技術(shù)的研究進(jìn)展
    2.1 引言
    2.2 成像光譜圖像的特征表示
        2.2.1 視覺特征
        2.2.2 空間關(guān)系特征
        2.2.3 光譜特征
        2.2.4 深度特征
    2.3 成像光譜圖像的數(shù)據(jù)降維技術(shù)
        2.3.1 主成分分析方法
        2.3.2 最小噪聲分離
        2.3.3 投影尋蹤
        2.3.4 非線性流形學(xué)習(xí)
    2.4 圖像安全檢索技術(shù)
        2.4.1 明文域圖像安全檢索
        2.4.2 加密域圖像安全檢索
    2.5 安全檢索性能評(píng)價(jià)準(zhǔn)則
        2.5.1 安全性能
        2.5.2 檢索性能
    2.6 本章小結(jié)
第3章 成像光譜圖像的深度光譜-空間特征提取
    3.1 引言
    3.2 深度卷積生成對(duì)抗網(wǎng)絡(luò)DCGAN
    3.3 成像光譜圖像深度光譜-空間特征提取
        3.3.1 光譜-空間向量的獲取
        3.3.2 深度卷積生成對(duì)抗網(wǎng)絡(luò)的訓(xùn)練
        3.3.3 深度光譜-空間特征的提取
    3.4 應(yīng)用深度光譜-空間特征的成像光譜圖像檢索
    3.5 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第4章 成像光譜圖像的深度光譜-空間特征降維
    4.1 引言
    4.2 非線性流形哈希
        4.2.1 歸納流形哈希
        4.2.2 基于t-SNE的非線性流形哈希
    4.3 深度光譜-空間特征的非線性流形哈希降維
        4.3.1 從深度光譜-空間特征選取代表數(shù)據(jù)
        4.3.2 代表數(shù)據(jù)的t-SNE降維
        4.3.3 成像光譜圖像的非線性流形哈希降維
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第5章 基于特征隨機(jī)化加密的成像光譜圖像安全檢索系統(tǒng)實(shí)現(xiàn)
    5.1 引言
    5.2 成像光譜圖像安全檢索系統(tǒng)的總體框架
    5.3 成像光譜圖像的特征隨機(jī)化加密
        5.3.1 特征比特平面的異或和隨機(jī)化置亂加密
        5.3.2 特征維度的隨機(jī)化映射
    5.4 基于特征隨機(jī)化加密成像光譜圖像安全檢索系統(tǒng)的具體實(shí)現(xiàn)
        5.4.1 成像光譜圖像的深度特征表示
        5.4.2 深度特征隨機(jī)化加密
        5.4.3 采用多索引哈希相似性度量準(zhǔn)則的加密域檢索
        5.4.4 特征權(quán)重調(diào)整的相關(guān)反饋
    5.5 實(shí)驗(yàn)結(jié)果與分析
        5.5.1 安全性能
        5.5.2 檢索性能
    5.6 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間完成的學(xué)術(shù)成果
攻讀碩士學(xué)位期間參加的科研項(xiàng)目
攻讀碩士學(xué)位期間所獲獎(jiǎng)勵(lì)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]Multiple Saliency Features Based Automatic Road Extraction from High-Resolution Multispectral Satellite Images[J]. ZHANG Jing,CHEN Lu,ZHUO Li,GENG Wenhao,WANG Chao.  Chinese Journal of Electronics. 2018(01)
[2]結(jié)合最小噪聲分離變換和卷積神經(jīng)網(wǎng)絡(luò)的高分辨影像分類方法[J]. 陳洋,范榮雙,王競雪,吳增林,孫汝星.  激光與光電子學(xué)進(jìn)展. 2017(10)
[3]基于DBN的故障特征提取及診斷方法研究[J]. 趙光權(quán),葛強(qiáng)強(qiáng),劉小勇,彭喜元.  儀器儀表學(xué)報(bào). 2016(09)
[4]基于Voronoi幾何劃分和EM/MPM算法的多視SAR圖像分割[J]. 趙泉華,李玉,何曉軍,宋偉東.  遙感學(xué)報(bào). 2013(04)
[5]Image Semantic Automatic Annotation by Relevance Feedback[J]. 張同珍,申瑞民.  Journal of Donghua University（English Edition）. 2007(05)
[6]基于分形理論的航空圖像分類方法[J]. 李厚強(qiáng),劉政凱,林峰.  遙感學(xué)報(bào). 2001(05)

碩士論文
[1]Hyperion高光譜數(shù)據(jù)進(jìn)行混合像元分解研究[D]. 王強(qiáng).東北林業(yè)大學(xué) 2006



本文編號(hào)：2976802