本文關(guān)鍵詞：高光譜遙感圖像的預(yù)處理和分割關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：高光譜圖像分割技術(shù)是高光譜圖像分析和理解的基礎(chǔ),準(zhǔn)確的圖像分割有利于后續(xù)的分類、識別、感興趣區(qū)域的提取等操作。此外,由于高光譜圖像的高維特性使得傳統(tǒng)的圖像分割技術(shù)不能夠用于高光譜圖像的分割,因此高光譜分割技術(shù)的研究具有實際的價值。直接對高光譜原始圖像進行處理,存在數(shù)據(jù)量龐大,信息冗余度高、計算效率低等問題,需要對高光譜圖像進行降維預(yù)處理。高光譜圖像存在條帶噪聲,在特征提取降維后會變得更突出,嚴(yán)重影響了后續(xù)高光譜圖像的分析與理解,所以在降維前需要消除條帶噪聲。本文針對高光譜遙感圖像,在條帶噪聲的去除、降維和圖像分割三個方向進行了研究。在高光譜圖像去噪方面,應(yīng)用傳統(tǒng)矩匹配法雖然可以有效去除條帶噪聲,但是對于非平坦區(qū)域,圖像存在“帶狀效應(yīng)”,即圖像從整體上表現(xiàn)出一種時暗時明的不連續(xù)性。本文提出了基于改進S-G濾波的矩匹配方法,有效去除條帶噪聲的同時,解決了傳統(tǒng)矩匹配法的“帶狀效應(yīng)”。對于地物均勻分布和地物非均勻分布狀況下的高光譜圖像,都能夠有效地去除條帶噪聲,較好地保持了原始圖像信息,提高了圖像質(zhì)量。在高光譜圖像降維方面,提出了分段金字塔融合的降維方法。首先,通過計算波段間相關(guān)系數(shù)將其劃分為若干個波段組。在波段分組的基礎(chǔ)上,采用金字塔圖像融合的策略實現(xiàn)高光譜圖像的降維,減少高光譜數(shù)據(jù)之間的冗余,合并不同波段的互補信息,利于后續(xù)的分割處理�；诮鹱炙纸獾膱D像融合過程,通過低頻圖像的波段指數(shù)加權(quán)融合和高頻圖像的局部能量取最大值融合,使得不同波段組降維結(jié)果相關(guān)系數(shù)較小的同時,避免了直接加權(quán)融合造成圖像模糊的問題。針對高光譜圖像的分割問題,提出一種基于分數(shù)階粒子群算法(FODPSO)和區(qū)域合并的圖像分割方法。在上述分組降維的基礎(chǔ)上,采用FODPSO算法計算各波段組降維圖像的最佳分割閾值,實現(xiàn)高光譜圖像的分組分割。然而根據(jù)分組分割得到的高光譜圖像初始分割結(jié)果往往存在過分割現(xiàn)象,區(qū)域之間仍然存在許多相似性,且分組分割時僅考慮了像素的光譜值,使得光譜值相近但空間上不相鄰的區(qū)域被劃分為同一區(qū)域中。為了得到更準(zhǔn)確的分割區(qū)域,結(jié)合高光譜圖像的光譜特性和區(qū)域鄰接關(guān)系提出一種新的區(qū)域合并策略,對初始分割結(jié)果進行區(qū)域合并,得到圖像最終的分割結(jié)果。經(jīng)過上述步驟,有效實現(xiàn)了高光譜圖像的分割。
【關(guān)鍵詞】：高光譜遙感 條帶噪聲去除 降維 圖像分割 FODPSO
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P237;TP751
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-16
• 1.1 論文的研究背景和意義9-11
• 1.2 高光譜遙感技術(shù)研究現(xiàn)狀11-14
• 1.2.1 成像光譜儀技術(shù)的研究狀況11-12
• 1.2.2 高光譜遙感圖像處理技術(shù)的研究狀況12-14
• 1.3 論文研究工作和論文安排14-16
• 第二章 高光譜圖像分割技術(shù)16-30
• 2.1 圖像分割問題16-19
• 2.1.1 圖像分割原理16-17
• 2.1.2 圖像分割方法17-19
• 2.2 高光譜圖像分割問題19-20
• 2.2.1 高光譜圖像分割原理19-20
• 2.2.2 高光譜遙感圖像分割難點20
• 2.3 高光譜圖像分割方法20-29
• 2.3.1 基于K-均值聚類的高光譜圖像分割21-22
• 2.3.2 基于ISODATA算法的高光譜圖像分割22-24
• 2.3.3 基于直方圖的高光譜圖像分割24-25
• 2.3.4 基于標(biāo)記分水嶺的高光譜圖像分割25-27
• 2.3.5 基于空間-光譜約束區(qū)域活動輪廓的高光譜圖像分割27-29
• 2.4 本章小結(jié)29-30
• 第三章 高光譜圖像的條帶噪聲預(yù)處理30-42
• 3.1 高光譜圖像條帶噪聲模型30-31
• 3.2 基于矩匹配的條帶噪聲去除31-32
• 3.3 基于多項式擬合的條帶噪聲去除32-33
• 3.4 基于改進S-G濾波的條帶噪聲去除33-36
• 3.4.1 基于均值濾波的矩匹配方法33-34
• 3.4.2 基于改進S-G濾波的矩匹配方法34-36
• 3.5 實驗結(jié)果與分析36-41
• 3.5.1 實驗數(shù)據(jù)36-39
• 3.5.2 結(jié)果分析39-41
• 3.6 本章小結(jié)41-42
• 第四章 高光譜圖像的降維預(yù)處理42-58
• 4.1 特征提取的降維方法42-46
• 4.1.1 主成分變換42-44
• 4.1.2 分段主成分變換44-45
• 4.1.3 最小噪聲分離變換45-46
• 4.2 波段選擇的降維方法46-51
• 4.2.1 基于信息量的波段選擇46-48
• 4.2.2 基于類間可分性的波段選擇48-49
• 4.2.3 基于波段指數(shù)的波段選擇49-50
• 4.2.4 基于支持向量機的波段選擇50-51
• 4.3 基于分段金字塔融合的高光譜圖像降維51-55
• 4.3.1 拉普拉斯金字塔分解與重構(gòu)51-52
• 4.3.2 基于分段金字塔融合的高光譜圖像降維52-55
• 4.4 實驗結(jié)果與分析55-57
• 4.5 本章小結(jié)57-58
• 第五章 基于FODPSO和區(qū)域合并的高光譜圖像分割58-75
• 5.1 FODPSO算法概述58-65
• 5.1.1 PSO算法58-59
• 5.1.2 DPSO算法59-62
• 5.1.3 FODPSO算法62-64
• 5.1.4 基于FODPSO算法的多閾值圖像分割64-65
• 5.2 基于FODPSO和區(qū)域合并的高光譜圖像分割65-69
• 5.2.1 基于FODPSO的高光譜圖像分割65-67
• 5.2.2 基于區(qū)域合并的圖像分割后處理67-69
• 5.3 實驗結(jié)果與分析69-74
• 5.4 本章小結(jié)74-75
• 第六章 總結(jié)與展望75-76
• 參考文獻76-80
• 附錄1 攻讀碩士學(xué)位期間撰寫的論文80-81
• 附錄2 攻讀碩士學(xué)位期間參加的科研項目81-82
• 致謝82

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡尚舉;楊繼章;;基于圖像偵測技術(shù)的客車超載監(jiān)控的實現(xiàn)方法[J];科技資訊;2008年30期

2 宣雷,吳渝彥,徐建華;一種有效的圖像邊緣修正方法[J];復(fù)旦學(xué)報(自然科學(xué)版);1993年01期

3 王欽軍;田慶久;;IRS-P6衛(wèi)星LISS3圖像數(shù)據(jù)質(zhì)量評價[J];地理與地理信息科學(xué);2007年03期

4 孫紅輝;侯素霞;張清華;;圖像的微分處理與相關(guān)識別[J];光學(xué)技術(shù);2007年S1期

5 朱鐵穩(wěn);王勇;;大傾斜航空攝影圖像地理坐標(biāo)賦予方法[J];海洋測繪;2010年03期

6 王鐵城;齊龍;;圖像的增強及其清晰處理[J];實驗室科學(xué);2006年05期

7 宋曉剛;李新路;;基于非線性偏微分方程的圖像著色[J];西昌學(xué)院學(xué)報(自然科學(xué)版);2012年03期

8 郇中丹,孔令海,黃海洋;圖像強化去噪的一種偏微模型[J];北京師范大學(xué)學(xué)報(自然科學(xué)版);2003年06期

9 竇麗華;畢超;;一種快速的圖像邊緣精確提取算法[J];光學(xué)技術(shù);2006年04期

10 宋莎莎;張杰;孟俊敏;;基于網(wǎng)函數(shù)插值的MODIS Level 1B圖像Bowtie效應(yīng)修正[J];遙感技術(shù)與應(yīng)用;2010年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王偉凝;余英林;張劍超;;圖像的動感特征分析[A];第一屆中國情感計算及智能交互學(xué)術(shù)會議論文集[C];2003年

3 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復(fù)方法[A];新世紀(jì) 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊）[C];2001年

4 王強;王風(fēng);;一種保持圖像幾何特征的去噪模型[A];中國通信學(xué)會第五屆學(xué)術(shù)年會論文集[C];2008年

5 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無參考客觀質(zhì)量評測方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

7 孟晉麗;張毅;金林;;圖像中混合噪聲的小波域濾除方法[A];2007'儀表，自動化及先進集成技術(shù)大會論文集（一）[C];2007年

8 漆琳智;張超;吳向陽;;引導(dǎo)濾波的單幅圖像前景精確提取[A];浙江省電子學(xué)會2013學(xué)術(shù)年會論文集[C];2013年

9 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

10 王亮亮;李明;高昕;;強模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

2 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報;2009年

3 ;B超術(shù)語解釋[N];農(nóng)村醫(yī)藥報（漢）;2008年

4 ;圖像質(zhì)量調(diào)整秘技[N];電腦報;2001年

5 馬駿睿 皓月;制作版畫效果圖片[N];中國攝影報;2007年

6 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報;2009年

7 西安 張正倉;I~（2）C總線控制的HG-2220AV液晶屏視頻信號驅(qū)動板[N];電子報;2003年

8 ;令挑剔的人也刮目相看[N];中國電子報;2001年

9 侯杰;國產(chǎn)芯片進軍移動多媒體市場[N];人民郵電;2003年

10 于亮、阿鯤;技術(shù)“掃”天下[N];中國計算機報;2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 梁福來;低空無人機載UWB SAR增強成像技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

2 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 賈茜;基于時—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學(xué);2014年

4 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學(xué);2014年

5 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

6 楊小義;圖像特征識別算法及其在聾人視覺識別中的應(yīng)用研究[D];重慶大學(xué);2015年

7 王玉明;SAR圖像地雷場檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 溫景陽;圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學(xué);2015年

9 李林;基于概率圖模型的圖像整體場景理解方法研究[D];電子科技大學(xué);2014年

10 馮景;基于SAR圖像的海面溢油檢測研究[D];北京理工大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李鵬遠;圖像檢索算法研究及其在互聯(lián)網(wǎng)教育中的應(yīng)用[D];華南理工大學(xué);2015年

2 萬燕英;微聚焦X-ray圖像自適應(yīng)正則化去噪方法[D];華南理工大學(xué);2015年

3 毛雙艷;基于梯度域的圖像風(fēng)格化渲染方法的研究及其應(yīng)用[D];華南理工大學(xué);2015年

4 向訓(xùn)文;RGB-D圖像顯著性檢測研究[D];華南理工大學(xué);2015年

5 曾旭;基于聚類和加權(quán)非局部的圖像稀疏去噪方法研究[D];天津理工大學(xué);2015年

6 熊楊超;圖像美學(xué)評價及美學(xué)優(yōu)化研究[D];華南理工大學(xué);2015年

7 王艷;圖像視覺顯著性檢測方法及應(yīng)用的研究[D];華南理工大學(xué);2015年

8 鄭露萍;圖像二階微分特征提取及人臉識別應(yīng)用研究[D];昆明理工大學(xué);2015年

9 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學(xué);2015年

10 曹靜;基于暗通道先驗算法的圖像去霧處理[D];海南大學(xué);2015年

  本文關(guān)鍵詞：高光譜遙感圖像的預(yù)處理和分割關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：335400