多時相遙感圖像分類主要是利用一幅有標簽圖像實現(xiàn)對采集于其他時相的無標簽圖像的分類(包括同源場景和異源場景圖像)。多時相分類主要包含多時相圖像對齊與對齊后數(shù)據(jù)分類兩個方面。其中,多時相對齊是針對多時相遙感圖像之間因成像環(huán)境不同造成的光譜漂移問題,通過變換統(tǒng)計分布方式,消除同類地物在不同時相上的分布差異,實現(xiàn)多時相遙感圖像聯(lián)合利用。多時相分類有效解決了要分類圖像無標簽下的圖像解譯問題,作為遙感圖像分析的核心手段,廣泛應用在人類生活相關(guān)的各個領(lǐng)域,包括國土、農(nóng)業(yè)、林業(yè)、環(huán)保、防震減災等。近些年,隨著遙感技術(shù)的發(fā)展,遙感圖像的空間分辨率不斷提高。對于高空間分辨率(以下簡稱高分)條件下的多時相遙感圖像分類,除原本多時相圖像間的光譜漂移問題外,還面臨著其他諸多問題:因成像條件影響造成多時相數(shù)據(jù)缺失、高分下復雜統(tǒng)計分布與不同時相的多模問題加大了時相間的信息差異、對齊后數(shù)據(jù)分布復雜且遙感圖像非線性依舊存在三方面。針對高分辨率多時相分類出現(xiàn)的問題,本文分別從高分下多時相缺失數(shù)據(jù)恢復、高分下多時相對齊以及對齊后數(shù)據(jù)的稀疏多核分類三個方面開展研究工作,主要做出了如下方面的研究成果:(1)針對因成像條件影響造...

【文章頁數(shù)】：139 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究目和意義
        1.1.1 課題背景
        1.1.2 課題研究的目的和意義
    1.2 研究現(xiàn)狀
        1.2.1 多時相多光譜圖像缺失數(shù)據(jù)恢復
        1.2.2 多時相多光譜遙感圖像對齊
        1.2.3 多時相遙感圖像地物分類
        1.2.4 存在問題及解決方法
    1.3 論文主要研究內(nèi)容與結(jié)構(gòu)安排
第2章 多時相遙感圖像缺失數(shù)據(jù)恢復
    2.1 引言
    2.2 時相-光譜角定義、計算與驗證
        2.2.1 多時相遙感圖像多維度信息聯(lián)合表示
        2.2.2 時相-光譜角函數(shù)定義與計算
        2.2.3 時相-光譜角函數(shù)驗證
    2.3 基于時相-光譜角度量的多時相缺失數(shù)據(jù)恢復
        2.3.1 待恢復像素提取
        2.3.2 基于加權(quán)時相-光譜角的最佳相似點搜索
        2.3.3 缺失數(shù)據(jù)恢復
    2.4 實驗結(jié)果與分析
        2.4.1 實驗數(shù)據(jù)、對比方法與評價指標
        2.4.2 時相-光譜角函數(shù)驗證
        2.4.3 仿真缺失數(shù)據(jù)驗證
        2.4.4 真實缺失數(shù)據(jù)恢復驗證
        2.4.5 時相數(shù)量、缺失比例與恢復精度關(guān)系驗證
    2.5 本章小結(jié)
第3章 基于拓撲結(jié)構(gòu)標簽優(yōu)化的多時相遙感圖像對齊
    3.1 引言
    3.2 無監(jiān)督多時相流形對齊
        3.2.1 傳統(tǒng)的實例流形對齊
        3.2.2 無監(jiān)督非實例流形對齊
    3.3 基于拓撲結(jié)構(gòu)標簽優(yōu)化的多時相流形對齊
        3.3.1 拓撲結(jié)構(gòu)標簽優(yōu)化流形對齊
        3.3.2 基于鄰近關(guān)系的同源場景多時相對齊改進
    3.4 實驗結(jié)果與分析
        3.4.1 實驗數(shù)據(jù)、對比方法與評價指標
        3.4.2 對齊性能驗證
        3.4.3 多時相分類能力驗證
        3.4.4 參數(shù)影響分析
    3.5 本章小結(jié)
第4章 基于空譜聯(lián)合張量分析的多維度遙感圖像對齊
    4.1 引言
    4.2 基于張量子空間對齊的多時相空-譜一體化對齊
        4.2.1 子空間對齊
        4.2.2 張量代數(shù)
        4.2.3 張量子空間對齊
    4.3 張量子空間維數(shù)估計
    4.4 實驗結(jié)果與分析
        4.4.1 實驗數(shù)據(jù)、對比方法與評價指標
        4.4.2 同源場景高分辨率多時相對齊分類驗證
        4.4.3 異源場景高分多時相對齊分類驗證
        4.4.4 多通道本征維度估計驗證
    4.5 本章小結(jié)
第5章 面向?qū)ο蟮亩鄷r相遙感圖像對齊
    5.1 引言
    5.2 面向?qū)ο蟮亩鄷r相對齊
        5.2.1 多時相超像素分割
        5.2.2 超像素特征提取與對象對齊
        5.2.3 基于超體素分割的同源場景多時相對齊
    5.3 實驗結(jié)果與分析
        5.3.1 實驗數(shù)據(jù)、對比方法與評價指標
        5.3.2 超像素/超體素分割驗證
        5.3.3 基于超像素的多時相分類驗證
        5.3.4 基于超體素的多時相分類驗證
    5.4 本章小結(jié)
第6章 多時相對齊數(shù)據(jù)的稀疏多核分類
    6.1 引言
    6.2 面向?qū)R數(shù)據(jù)的稀疏多核學習
        6.2.1 核方法與支持向量機
        6.2.2 一般多核分類器框架
        6.2.3 核尺度的稀疏特性
        6.2.4 稀疏多核學習
    6.3 實驗結(jié)果與分析
        6.3.1 實驗數(shù)據(jù)、對比方法與評價指標
        6.3.2 面向?qū)R數(shù)據(jù)的分類性能驗證
        6.3.3 面向?qū)R數(shù)據(jù)的核尺度選擇分析
    6.4 本章小結(jié)
結(jié)論
參考文獻
攻讀博士期間所發(fā)表的論文及其他成果
致謝
個人簡歷



本文編號：3895517