本文關鍵詞：遙感圖像信息提取核方法抗噪特性研究

  更多相關文章： 抗噪特性 核方法 非精確計算 高光譜圖像分類和目標探測 高光譜圖像在軌處理

【摘要】：高光譜圖像提供了地物豐富的光譜信息,能夠精細的對地物類型進行分類和識別�；诤朔椒ǖ姆诸惡吞綔y算法具有非常強的識別能力,近些年來被廣泛的應用在遙感信息提取領域。但是由于高光譜數(shù)據(jù)的高維性和海量性,利用核方法進行信息提取時會伴隨著大量的內積運算,這就導致了基于核方法的高光譜圖像信息提取算法運算量巨大、能耗高,限制了該類算法在高光譜圖像在軌實時處理領域的應用。利用算法的抗噪特性進行非精確計算,將部分輸出質量折中為能耗,從而降低算法運行時的功耗,可以滿足高光譜圖像在軌實時處理時低功耗的需求。本文通過在數(shù)據(jù)級別和算法級別分析高光譜圖像分類和探測算法的抗噪特性,論證了利用算法抗噪特性進行非精確計算的可行性。1.數(shù)據(jù)級別的抗噪特性分析。在高光譜數(shù)據(jù)的低位有效位注入噪聲,觀察噪聲對算法輸出質量的影響。具體過程是:將歸一化以后的高光譜數(shù)據(jù)轉換為二進制形式,選取一定量的數(shù)據(jù)在其低位有效位注入隨機噪聲,將添加了噪聲以后的數(shù)據(jù)轉換回小數(shù)形式,對添加了噪聲的數(shù)據(jù)進行分類和目標探測,觀察噪聲對算法輸出質量的影響。2.算法級別的抗噪特性分析。使用高斯函數(shù)模擬現(xiàn)實世界的高斯噪聲,將噪聲添加到算法運行時的中間結果,觀察高斯噪聲對算法輸出質量的影響。實驗中保持高斯函數(shù)的均值為常數(shù)0,不斷增大高斯函數(shù)的方差來增加噪聲的等級。本文以基于核方法的SVM分類算法和KRX目標探測算法為例,進行了上述抗噪特性分析。通過本文的實驗可以看出,利用基于核方法的信息提取算法對高光譜圖像進行處理,只要噪聲限定在一定的范圍內,噪聲對算法輸出質量的影響就可以忽略不計。算法抗噪性是非精確計算可以使用的前提,本文論證了利用算法抗噪特性進行非精確計算的可行性。
【關鍵詞】：抗噪特性 核方法 非精確計算 高光譜圖像分類和目標探測 高光譜圖像在軌處理
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP751
【目錄】：

• 摘要3-4
• Abstract4-12
• 第1章 引言12-19
• 1.1 研究背景及意義12-13
• 1.2 研究現(xiàn)狀13-17
• 1.2.1 遙感圖像在軌處理技術研究現(xiàn)狀13-14
• 1.2.2 遙感圖像分類和探測算法研究現(xiàn)狀14-16
• 1.2.3 算法抗噪特性研究現(xiàn)狀16-17
• 1.3 論文研究內容及章節(jié)安排17-19
• 第2章 遙感圖像信息提取中的核方法分析19-32
• 2.1 高光譜圖像數(shù)據(jù)19-23
• 2.1.1 高光譜圖像數(shù)據(jù)的描述19-21
• 2.1.2 高光譜圖像的冗余特性21
• 2.1.3 高光譜圖像信息提取流程21-23
• 2.2 高光譜圖像分類23-25
• 2.2.1 高光譜圖像分類的基本概念和原理23-24
• 2.2.2 高光譜圖像分類精度評價24-25
• 2.3 高光譜圖像目標探測25-27
• 2.3.1 高光譜圖像目標探測的基本概念和原理25-26
• 2.3.2 高光譜圖像目標探測算法的性能評價26-27
• 2.4 核方法27-31
• 2.4.1 非線性分類問題28-29
• 2.4.2 核函數(shù)的定義29-30
• 2.4.3 正定核30
• 2.4.4 常用核函數(shù)30-31
• 2.5 本章小結31-32
• 第3章 基于核方法的圖像分類抗噪特性分析32-55
• 3.1 支持向量機32-36
• 3.1.1 線性支持向量機32-35
• 3.1.2 非線性支持向量機35-36
• 3.1.3 支持向量機的特性36
• 3.2 數(shù)據(jù)級別抗噪特性分析36-37
• 3.3 算法級別抗噪特性分析37-38
• 3.4 實驗結果及分析38-54
• 3.4.1 實驗數(shù)據(jù)38-39
• 3.4.2 實驗結果與分析39-54
• 3.5 本章小結54-55
• 第4章 基于核方法的目標探測抗噪特性分析55-73
• 4.1 KRX異常檢測算法55-60
• 4.1.1 RX異常檢測算法55-56
• 4.1.2 KRX異常檢測算法56-60
• 4.2 數(shù)據(jù)級別抗噪特性分析60-61
• 4.3 算法級別抗噪特性分析61-62
• 4.4 實驗結果及分析62-72
• 4.4.1 實驗數(shù)據(jù)62
• 4.4.2 實驗結果及分析62-72
• 4.5 本章總結72-73
• 第5章 總結與展望73-75
• 5.1 總結73-74
• 5.2 展望74-75
• 參考文獻75-81
• 致謝81-83
• 攻讀碩士學位期間從事的科研工作及取得的成果83

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前9條

1 張良培;;高光譜目標探測的進展與前沿問題[J];武漢大學學報(信息科學版);2014年12期

2 許雪貴;張清;;基于CUDA的高效并行遙感影像處理[J];地理空間信息;2011年06期

3 賀霖;潘泉;邸椺;李遠清;;高光譜圖像目標檢測研究進展[J];電子學報;2009年09期

4 儲美華;洪志剛;陳允芳;;數(shù)字航測影像盲點消除與病態(tài)像元校正方法探討[J];測繪科學;2007年03期

5 陳勃;陳志軍;;海量遙感衛(wèi)星數(shù)據(jù)存檔方法的探討[J];遙感信息;2006年05期

6 延明;FPGA在數(shù)字圖像處理中的應用[J];電子技術;2005年01期

7 錢樂祥,泮學芹,趙芊;中國高光譜成像遙感應用研究進展[J];國土資源遙感;2004年02期

8 崔廷偉,馬毅,張杰;航空高光譜遙感的發(fā)展與應用[J];遙感技術與應用;2003年02期

9 黃普明,陳泓,鞠德航;遙感衛(wèi)星數(shù)據(jù)傳輸系統(tǒng)新技術[J];空間電子技術;2002年02期

，

本文編號：629434