本文選題：高光譜影像　切入點(diǎn)：稀疏表示　出處：《測(cè)繪科學(xué)技術(shù)學(xué)報(bào)》2017年04期

【摘要】：針對(duì)當(dāng)前特征提取方法不能充分挖掘高光譜影像稀疏特性的問(wèn)題,提出一種基于稀疏判別分析的高光譜影像特征提取方法。首先,在線性判別分析的系數(shù)向量中引入稀疏正則項(xiàng)來(lái)捕獲具有更強(qiáng)判別能力的特征,將高光譜影像映射至低維稀疏的子空間;然后,利用迭代優(yōu)化方法對(duì)模型進(jìn)行求解。利用Salinas和Pavia University高光譜影像進(jìn)行對(duì)比實(shí)驗(yàn),所提方法與分類方法結(jié)合用于影像分類時(shí),其分類精度優(yōu)于其他方法,總體分類精度分別達(dá)到97.42%和97.64%。
[Abstract]:To solve the problem that the current feature extraction methods can not fully exploit the sparse characteristics of hyperspectral images, a feature extraction method based on sparse discriminant analysis is proposed. A sparse canonical term is introduced into the coefficient vector of linear discriminant analysis to capture the features with stronger discriminant ability, and the hyperspectral image is mapped to a low dimensional sparse subspace. The iterative optimization method is used to solve the model. The comparison experiment between Salinas and Pavia University hyperspectral images is carried out. When the proposed method is combined with the classification method for image classification, its classification accuracy is better than that of other methods. The overall classification accuracy reached 97.42% and 97.64% respectively.
【作者單位】： 信息工程大學(xué);北京吉威時(shí)代軟件股份有限公司;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61272146) 地球觀測(cè)與導(dǎo)航重點(diǎn)專項(xiàng)(2016YFB0501401)
【分類號(hào)】：P237;TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳蜜;易堯華;劉志剛;李德仁;秦前清;;基于分塊特性的高光譜影像波段選取方法的研究[J];測(cè)繪通報(bào);2006年03期

2 楊燕杰;趙英俊;秦凱;陸冬華;;高光譜影像預(yù)處理技術(shù)[J];科技導(dǎo)報(bào);2013年09期

3 楊哲海,馮猛,張燕燕;高光譜影像處理方法的改進(jìn)[J];海洋測(cè)繪;2004年04期

4 原傳綱;張廣有;吳迪;楊哲海;;面向應(yīng)用的高光譜影像分類方法[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2007年02期

5 馬莉;范文濤;;高光譜影像加權(quán)波段指數(shù)波段選擇算法[J];黑龍江科技信息;2010年04期

6 楊國(guó)鵬;余旭初;周欣;張鵬強(qiáng);;基于相關(guān)向量機(jī)的高光譜影像分類研究[J];測(cè)繪學(xué)報(bào);2010年06期

7 蘇紅軍;盛業(yè)華;;高光譜影像的改進(jìn)K-均值監(jiān)督式聚類分析方法[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2012年06期

8 孫偉偉;劉春;施蓓琦;李巍岳;;基于隨機(jī)矩陣的高光譜影像非負(fù)稀疏表達(dá)分類[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年08期

9 易堯華,梅天燦,秦前清,龔健雅;高光譜影像中人工目標(biāo)非監(jiān)督提取的投影尋蹤方法[J];測(cè)繪通報(bào);2004年02期

10 宮大鵬;李之歆;韓建峰;楊哲海;張雅爭(zhēng);;高光譜影像分類及組合分類器的應(yīng)用[J];海洋測(cè)繪;2006年05期

相關(guān)會(huì)議論文 前5條

1 舒寧;胡穎;;基于地物光譜特征的高光譜影像邊緣提取方法[A];地理空間信息技術(shù)與應(yīng)用——中國(guó)科協(xié)2002年學(xué)術(shù)年會(huì)測(cè)繪論文集[C];2002年

2 董廣軍;紀(jì)松;朱朝杰;;基于局部線性嵌入流形學(xué)習(xí)的高光譜影像分類技術(shù)[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

3 汪瑋;周可法;王金林;周曙光;劉慧;;環(huán)境減災(zāi)衛(wèi)星高光譜數(shù)據(jù)預(yù)處理[A];第十二屆全國(guó)數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)研討會(huì)論文集[C];2013年

4 黃遠(yuǎn)程;張良培;李平湘;;基于最小單形體體積約束的高光譜影像端元光譜提取[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

5 劉慶杰;藺啟忠;王黎明;王欽軍;李慶亭;苗峰顯;;基于CFFT最優(yōu)信噪比的星載高光譜影像噪聲抑制研究[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

相關(guān)博士學(xué)位論文 前6條

1 孫艷麗;聯(lián)合豐度信息與空譜特征的高光譜影像分類研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

2 路威;面向目標(biāo)探測(cè)的高光譜影像特征提取與分類技術(shù)研究[D];中國(guó)人民解放軍信息工程大學(xué);2005年

3 楊哲海;高光譜影像分類若干關(guān)鍵技術(shù)的研究[D];解放軍信息工程大學(xué);2006年

4 杜輝強(qiáng);高光譜遙感影像濾波和邊緣提取方法研究[D];武漢大學(xué);2004年

5 韋瑋;基于多角度高光譜CHRIS數(shù)據(jù)的濕地信息提取技術(shù)研究[D];中國(guó)林業(yè)科學(xué)研究院;2011年

6 龔鑓;基于HDA和MRF的高光譜影像同質(zhì)區(qū)分析[D];武漢大學(xué);2007年

相關(guān)碩士學(xué)位論文 前9條

1 魏祥坡;高光譜影像土質(zhì)要素和人工地物分類技術(shù)研究[D];解放軍信息工程大學(xué);2015年

2 張穎;基于主動(dòng)學(xué)習(xí)的高光譜影像分類[D];成都理工大學(xué);2016年

3 賈源旭;基于濕地分類的環(huán)境衛(wèi)星高光譜影像處理方法及分類效果對(duì)比研究[D];延邊大學(xué);2017年

4 董連鳳;高光譜影像預(yù)處理技術(shù)研究[D];長(zhǎng)安大學(xué);2007年

5 祝鵬飛;面向?qū)ο蟮母吖庾V影像地物分類技術(shù)研究[D];解放軍信息工程大學(xué);2011年

6 楊明;面向分類的高光譜影像特征提取技術(shù)研究[D];解放軍信息工程大學(xué);2012年

7 張麗;基于投影尋蹤的高光譜影像特征提取與自動(dòng)識(shí)別技術(shù)研究[D];長(zhǎng)安大學(xué);2006年

8 曹炳霞;HJ-1A高光譜影像在黃土丘陵區(qū)生態(tài)環(huán)境監(jiān)測(cè)中的應(yīng)用研究[D];長(zhǎng)安大學(xué);2011年

9 林棟;高分辨率遙感影像空間特征提取及面向?qū)ο蠓诸惣夹g(shù)研究[D];解放軍信息工程大學(xué);2015年

，

本文編號(hào)：1661959