高光譜遙感圖像分類問題是遙感圖像領域中最為經(jīng)典的科研問題之一,提高其分類精度和計算效率對精準農(nóng)業(yè)、軍事防偽、城市規(guī)劃等方面都具有極其重要的意義。因此,設計高準確率、高時效性及高魯棒性的高光譜遙感圖像分類算法仍是眾多科研工作者的研究重點�，F(xiàn)有高光譜遙感圖像分類算法都是基于訓練樣本完全正確標注的假設前提下設計實現(xiàn)的。然而,由于多種客觀因素的存在,在實際標注過程中極難滿足上述假設條件,進而導致高光譜遙感圖像中部分樣本被錯誤標記（即,不確定樣本問題）。針對上述問題,本文將不確定樣本視為整個訓練集中的異常數(shù)據(jù),擬通過設計多種高光譜遙感圖像不確定樣本關鍵檢測與剔除算法,最大程度上降低不確定樣本對高光譜遙感圖像分類算法造成的影響及干擾。其中,本文主要的工作概括如下:協(xié)同表示（Collaborative Representation,CR）異常檢測算法主要通過獲取、對比各個像素的殘差信息,進而判斷各個像素的異常程度。因其優(yōu)異的檢測性能,CR算法被廣泛應用于高光譜遙感圖像異常檢測研究領域。因此,本文在引入基于殘差度量的CR算法基礎上,提出一種類依屬協(xié)同表示（Class-Dependent Collabo... 

【文章來源】：湖南理工學院湖南省

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 高光譜遙感圖像分類研究現(xiàn)狀
        1.2.2 不確定樣本檢測、識別算法研究現(xiàn)狀
    1.3 論文采用數(shù)據(jù)集與評價指標
        1.3.1 常用數(shù)據(jù)集
        1.3.2 評價指標
    1.4 論文研究內(nèi)容與章節(jié)安排
第2章 類依屬協(xié)同表示的高光譜遙感圖像不確定樣本分類算法
    2.1 基于協(xié)同表示的異常檢測算法
    2.2 所提算法框架
        2.2.1 類依屬協(xié)同表示算法的稀疏向量
        2.2.2 基于Tikhonov正則化的類依屬協(xié)同表示算法
        2.2.3 不確定樣本檢測
    2.3 實驗結(jié)果
        2.3.1 不同參數(shù)和迭代次數(shù)的影響分析
        2.3.2 不同算法的分類結(jié)果對比
        2.3.3 使用其他分類器的性能評估
    2.4 本章小結(jié)與討論
第3章 基于密度峰值的高光譜遙感圖像不確定樣本分類算法
    3.1 密度峰值聚類算法
    3.2 基于密度峰值的高光譜遙感圖像不確定樣本分類算法
        3.2.1 獲取樣本間的距離
        3.2.2 計算訓練樣本的局部密度信息
        3.2.3 檢測不確定樣本
    3.3 實驗結(jié)果與分析
        3.3.1 參數(shù)影響分析
        3.3.2 不同組成成分影響分析
        3.3.3 檢測算法迭代次數(shù)影響分析
        3.3.4 所提算法的性能評估
        3.3.5 使用其他分類器的性能評估
    3.4 本章小結(jié)與討論
第4章 基于空間密度峰值的高光譜遙感圖像不確定樣本分類算法
    4.1 基于空間密度峰值的不確定樣本檢測算法
    4.2 實驗結(jié)果與分析
        4.2.1 SDP參數(shù)影響分析
        4.2.2 K-SDP參數(shù)影響分析
        4.2.3 檢測算法迭代次數(shù)影響分析
        4.2.4 使用SVM進行性能評估
        4.2.5 使用其他分類器進行性能評估
    4.3 本章小結(jié)與結(jié)論
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻
致謝
攻讀碩士學位期間主要研究成果


【參考文獻】：
期刊論文
[1]小樣本的高光譜圖像降噪與分類[J]. 崔賓閣,馬秀丹,謝小云.  遙感學報. 2017(05)
[2]基于正交投影散度的高光譜遙感波段選擇算法[J]. 蘇紅軍,盛業(yè)華.  光譜學與光譜分析. 2011(05)

碩士論文
[1]加權最近鄰空間表征的高光譜遙感圖像分類算法研究[D]. 黃思源.湖南理工學院 2019



本文編號：3635095