降維是高光譜影像應用中重要的預處理步驟,特別是在小樣本情況下。本研究提出了一種名為超像素核主成分分析（superpixelwise kernel principal component analysis,SuperKPCA）的降維方法。它通過對經圖像分割算法得到的各同質區(qū)域（超像素）執(zhí)行核主成分分析（kernel principal component analysis,KPCA）,能在利用超像素挖掘空間信息的同時,通過核方法處理高光譜影像中廣泛存在的非線性特征。執(zhí)行SuperKPCA需要選擇合適的圖像分割算法。熵率超像素分割（entropy rate superpixel segmentation,ERS）和簡單線性迭代聚類（simple linear iterative clustering,SLIC）分別是基于圖和基于梯度的圖像分割算法中應用非常廣泛的兩種算法。因此,本研究詳細對比了使用這兩種圖像分割算法執(zhí)行SuperKPCA的效果差異。ERS和SLIC的輸入影像均為灰度或RGB圖,但高光譜影像通常包含數百個波段。因此,對于這兩種分割算法,本研究亦對比了當分別使用由主成分分析（p... 

【文章來源】：西南大學重慶市 211工程院校 教育部直屬院校

【文章頁數】：70 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 國內外研究現狀
    1.3 研究內容與技術路線
    1.4 論文組織
第2章 數據與方法
    2.1 概述
    2.2 數據集
    2.3 超像素分割算法
    2.4 多尺度分割策略
    2.5 核主成分分析
    2.6 決策融合
    2.7 分類精度評價
第3章 基于ERS分割的超像素核主成分分析
    3.1 實驗設計
    3.2 參數分析
    3.3 融合基于不同基礎影像的多尺度分類結果
第4章 基于SLIC分割的超像素核主成分分析
    4.1 實驗設計
    4.2 參數分析
    4.3 融合基于不同基礎影像的多尺度分類結果
第5章 與其他降維方法的比較
    5.1 降維效果
    5.2 運行時間
第6章 結論與展望
    6.1 研究結論
    6.2 未來研究展望
參考文獻
致謝
在校期間發(fā)表的論文及參加的課題


【參考文獻】：
期刊論文
[1]工礦業(yè)城市區(qū)域水質參數高光譜定量反演[J]. 彭令,梅軍軍,王娜,徐素寧,劉文波,邢顧蓮,陳啟浩.  光譜學與光譜分析. 2019(09)
[2]農業(yè)高光譜遙感研究進展及發(fā)展趨勢[J]. 陳云浩,王思佳,趙逸飛,王明國.  地理與地理信息科學. 2019(05)
[3]中國高光譜遙感的前沿進展[J]. 童慶禧,張兵,張立福.  遙感學報. 2016(05)
[4]高光譜圖像處理與信息提取前沿[J]. 張兵.  遙感學報. 2016(05)
[5]高光譜遙感影像分類研究進展[J]. 杜培軍,夏俊士,薛朝輝,譚琨,蘇紅軍,鮑蕊.  遙感學報. 2016(02)

碩士論文
[1]基于深度學習的高光譜圖像無監(jiān)督空譜聯合特征提取[D]. 毛貽順.西安電子科技大學 2019
[2]基于超像素分割的高光譜圖像特征變換和分類算法研究[D]. 鄧彬.深圳大學 2018
[3]基于核MNF變換的高光譜數據降維算法研究[D]. 趙斌.中國科學院大學(中國科學院遙感與數字地球研究所) 2017



本文編號：3181767