本文關(guān)鍵詞：高光譜遙感影像空譜特征提取與分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：高光譜遙感影像提供了豐富的光譜信息，在遙感對(duì)地觀測(cè)系統(tǒng)中占據(jù)越來(lái)越重要的位置，并被廣泛應(yīng)用于現(xiàn)代軍事、精確農(nóng)業(yè)以及環(huán)境監(jiān)控等諸多領(lǐng)域。然而傳統(tǒng)的遙感影像處理技術(shù)在分析高光譜影像時(shí)面臨許多問題和挑戰(zhàn)：如何解決高維數(shù)據(jù)小樣本識(shí)別分類問題、如何實(shí)現(xiàn)高維數(shù)據(jù)的實(shí)時(shí)處理、如何提升光譜類似地物的區(qū)分能力等等。本論文通過(guò)對(duì)高光譜影像自身特性的深入分析，在總結(jié)高光譜圖像處理研究現(xiàn)狀的基礎(chǔ)上，研究了多種高性能的特征提取與分類識(shí)別技術(shù)，并用多個(gè)高光譜遙感應(yīng)用實(shí)例驗(yàn)證了本文提出的多種方法。 對(duì)于高光譜影像特征提取，本文提出了一種基于圖像融合與遞歸濾波的方法。該方法通過(guò)圖像融合與遞歸濾波有效去除高光譜影像中的噪聲，強(qiáng)化地物的形狀與輪廓等顯著空間結(jié)構(gòu)，從而有效降低類內(nèi)差異，同時(shí)增大類間差異。實(shí)驗(yàn)比較了該方法與其他廣泛使用的高光譜影像特征提取方法，結(jié)果顯示：基于圖像融合與遞歸濾波方法獲取的影像特征可有效描述地物目標(biāo)的空間上下文信息，提升高光譜影像分類精度。 光譜反射值是高光譜影像的關(guān)鍵特征，然而受到傳感器成像機(jī)理、拍攝環(huán)境以及氣候條件等因素的影響，遙感高光譜影像中的光譜反射值往往并不純凈甚至可能包含嚴(yán)重的失真與畸變。針對(duì)這一問題，我們提出了一種基于本質(zhì)圖像分解的高光譜影像特征提取算法。基于人眼視覺感知模型，利用人眼區(qū)分亮度特征與光譜反射特征的能力，將高光譜影像分解為亮度成份與光譜反射成份，并將通過(guò)本質(zhì)圖像分解獲取的影像純凈光譜反射成份用于地物識(shí)別分類。實(shí)驗(yàn)中，我們將本質(zhì)圖像分解特征應(yīng)用于高光譜遙感應(yīng)用實(shí)例并與多種現(xiàn)有的高光譜影像特征提取方法進(jìn)行了比較。結(jié)果顯示：基于本質(zhì)圖像分解的特征提取方法能夠有效消除多種不利因素（如：場(chǎng)景光照、陰影以及成像噪聲等）對(duì)影像光譜反射值的影響，提供了更高的分類精度。尤其是在處理小樣本數(shù)據(jù)分類問題時(shí)，基于本質(zhì)圖像分解的特征提取方法依舊能夠提供較高的地物分類精度。 對(duì)于高光譜影像識(shí)別分類，本文針對(duì)傳統(tǒng)空譜（空間-光譜）分類方法計(jì)算復(fù)雜度高的不足，提出了一種基于邊緣保持濾波的快速高光譜影像空譜分類技術(shù)。其基本步驟如下：首先，使用支持向量機(jī)逐像素解譯高光譜影像。然后，用邊緣保持濾波優(yōu)化光譜分類結(jié)果。邊緣保持濾波是一種非線性濾波器。相比于高斯濾波，它的主要優(yōu)勢(shì)在于其濾波過(guò)程中考慮了影像的邊緣結(jié)構(gòu)，因此能夠有效聯(lián)合高光譜影像的空間與光譜信息。此外，我們提出了兩種非迭代濾波方案：一種是基于非線性高斯模型的雙邊濾波方法，另一種是基于局部線性模型的引導(dǎo)濾波方法。實(shí)驗(yàn)采用AVIRIS航空數(shù)據(jù)與ROSIS-3航空影像進(jìn)行地物解譯，并比較了基于邊緣保持濾波的方法與多種常用的空譜分類方法。結(jié)果表明邊緣保持濾波方法具備計(jì)算復(fù)雜度低以及分類精度高等優(yōu)勢(shì)。 常用基于局部?jī)?yōu)化的空譜分類方法無(wú)法模擬更深層次的空間上下文關(guān)系，因此在小樣本高維數(shù)據(jù)分類問題上存在性能瓶頸。針對(duì)這一問題，我們提出了基于隨機(jī)行走的高光譜影像空譜分類算法。通過(guò)改進(jìn)原始的隨機(jī)行走算法，構(gòu)建聯(lián)合影像空間與光譜信息的隨機(jī)行走能量函數(shù)，最后通過(guò)求解該函數(shù)封閉解實(shí)現(xiàn)對(duì)高光譜影像的精確快速解譯。實(shí)驗(yàn)結(jié)果顯示該方法突破了多種近年提出的空譜分類方法在小樣本高維數(shù)據(jù)分類問題上的性能瓶頸，進(jìn)一步提升了分類精度。 最后，我們驗(yàn)證了本文提出的特征提取與分類識(shí)別方法在真實(shí)高光譜遙感實(shí)例上的性能。具體包括：1)融合遠(yuǎn)紅外高光譜影像與可視影像對(duì)魁北克省塞特福德礦城黑湖區(qū)域進(jìn)行城市地物分類；2)通過(guò)對(duì)高光譜影像進(jìn)行特征提取與分類，對(duì)肯尼迪航天中心周邊的植被進(jìn)行樹種區(qū)分與精確制圖；3)對(duì)博茨瓦納草原濕地植被進(jìn)行區(qū)分與制圖，并通過(guò)高光譜技術(shù)分析該區(qū)域的洪水與火災(zāi)隱患的空間分布。4)對(duì)中國(guó)黃河口三角洲區(qū)域的植被、土壤與水體進(jìn)行識(shí)別分類與精確制圖。
【關(guān)鍵詞】：高光譜遙感 特征提取 信息融合 分類識(shí)別 邊緣保持濾波 雙邊濾波 引導(dǎo)濾波 空譜分類 本質(zhì)分解 隨機(jī)行走
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP751
【目錄】：

• 摘要5-7
• Abstract7-9
• 目錄9-12
• 插圖索引12-15
• 附表索引15-16
• 第1章 緒論16-31
• 1.1 研究背景與意義16-18
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀18-26
• 1.2.1 高光譜遙感影像特點(diǎn)與面臨的挑戰(zhàn)18-20
• 1.2.2 研究現(xiàn)狀與存在的問題20-26
• 1.3 論文研究?jī)?nèi)容與章節(jié)安排26-31
• 1.3.1 研究?jī)?nèi)容28-29
• 1.3.2 章節(jié)安排29-31
• 第2章 基于圖像融合與域變換遞歸濾波的高光譜影像特征提取31-52
• 2.1 域變換遞歸濾波31-35
• 2.1.1 一維域變換遞歸濾波原理31-33
• 2.1.2 二維域變換遞歸濾波原理與特性33-35
• 2.2 基于圖像融合與遞歸濾波的特征提取算法35-37
• 2.2.1 基于圖像融合的特征降維35-37
• 2.2.2 基于遞歸濾波的空間特征提取與分類37
• 2.3 實(shí)驗(yàn)結(jié)果與分析37-51
• 2.3.1 實(shí)驗(yàn)數(shù)據(jù)38-40
• 2.3.2 評(píng)價(jià)指標(biāo)40-41
• 2.3.3 參數(shù)分析41-43
• 2.3.4 實(shí)驗(yàn)結(jié)果43-51
• 2.4 本章小結(jié)與討論51-52
• 第3章 基于本質(zhì)圖像分解的高光譜影像特征提取52-72
• 3.1 本質(zhì)圖像分解52-54
• 3.1.1 本質(zhì)圖像分解原理與特性52-53
• 3.1.2 基于最優(yōu)化的本質(zhì)圖像分解方法53-54
• 3.2 基于本質(zhì)圖像分解的特征提取算法54-58
• 3.2.1 高光譜影像降維54-55
• 3.2.2 分組本質(zhì)圖像分解55-58
• 3.3 實(shí)驗(yàn)結(jié)果與分析58-71
• 3.3.1 參數(shù)分析58-60
• 3.3.2 實(shí)驗(yàn)結(jié)果60-71
• 3.4 本章小結(jié)與討論71-72
• 第4章 基于邊緣保持濾波的高光譜影像空譜分類72-89
• 4.1 邊緣保持濾波72-75
• 4.1.1 邊緣保持濾波原理及其特性72-73
• 4.1.2 雙邊濾波原理73-74
• 4.1.3 引導(dǎo)濾波原理74-75
• 4.2 基于邊緣保持濾波的圖像分類算法75-78
• 4.2.1 監(jiān)督分類建模76
• 4.2.2 初始概率構(gòu)造76
• 4.2.3 概率圖像濾波與分類76-78
• 4.3 實(shí)驗(yàn)結(jié)果與分析78-87
• 4.3.1 參數(shù)與濾波器影響分析78-82
• 4.3.2 實(shí)驗(yàn)結(jié)果82-87
• 4.4 本章小結(jié)與討論87-89
• 第5章 基于擴(kuò)展隨機(jī)行走的高光譜影像空譜分類89-102
• 5.1 隨機(jī)行走89-91
• 5.1.1 基于隨機(jī)行走的圖像分割原理89-90
• 5.1.2 擴(kuò)展隨機(jī)行走原理90-91
• 5.2 基于擴(kuò)展隨機(jī)行走的高光譜影像分類算法91-94
• 5.2.1 基于支持向量機(jī)的初始概率估計(jì)91-92
• 5.2.2 基于擴(kuò)展隨機(jī)行走的概率優(yōu)化與分類92-94
• 5.3 實(shí)驗(yàn)結(jié)果與分析94-100
• 5.3.1 參數(shù)分析94-96
• 5.3.2 實(shí)驗(yàn)結(jié)果96-100
• 5.4 本章小結(jié)與討論100-102
• 第6章 高光譜影像空譜特征提取與分類遙感應(yīng)用實(shí)例102-124
• 6.1 加拿大魁北克省塞特福德礦城城市分類102-111
• 6.1.1 實(shí)驗(yàn)數(shù)據(jù)102-104
• 6.1.2 實(shí)驗(yàn)設(shè)計(jì)與分析104-111
• 6.2 肯尼迪航天中心周邊植被識(shí)別111-114
• 6.2.1 實(shí)驗(yàn)數(shù)據(jù)111
• 6.2.2 實(shí)驗(yàn)設(shè)計(jì)與分析111-114
• 6.3 博茨瓦納草原濕地植被制圖與災(zāi)害檢測(cè)114-117
• 6.3.1 實(shí)驗(yàn)數(shù)據(jù)114-117
• 6.3.2 實(shí)驗(yàn)設(shè)計(jì)與分析117
• 6.4 黃河口三角洲周邊植被與水體制圖117-124
• 6.4.1 實(shí)驗(yàn)數(shù)據(jù)120
• 6.4.2 實(shí)驗(yàn)設(shè)計(jì)與分析120-124
• 第7章 結(jié)論與展望124-127
• 7.1 本文主要工作124-125
• 7.2 下一步研究方向125-127
• 參考文獻(xiàn)127-136
• 致謝136-138
• 附錄 A:攻讀學(xué)位期間參與的科研項(xiàng)目及所發(fā)表的學(xué)術(shù)論文目錄138-141
• 附錄 B:攻讀學(xué)位期間申請(qǐng)專利及獲得的獎(jiǎng)勵(lì)141

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 楊國(guó)鵬;余旭初;馮伍法;劉偉;陳偉;;高光譜遙感技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀[J];測(cè)繪通報(bào);2008年10期

  本文關(guān)鍵詞：高光譜遙感影像空譜特征提取與分類方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：413497