基于稀疏表达图的高光谱图像半监督分类方法研究

发布时间：2022-09-17 14:26

　　高光谱图像分类是指通过分析地物的光谱特性,并根据某种规则来确定每个像素的所属类别,从而将待测地物划分为不同类型的区域,是人们认识和发现地物空间分布规律的一个重要途径。在高光谱图像分类中,常常需要足够多的标记样本来训练可靠的分类模型。然而,对样本进行标注是一件耗时、耗力的工作。另一方面,我们可以很容易的获得大量的未标记样本,因而,能够利用少量标记数据和大量未标记数据来学习的半监督分类算法成为机器学习领域的研究热点。其中,由于基于图的方法具有优雅的数学模型以及很好的解释性,受到了广泛的关注。基于图的高光谱图像半监督分类任务的关键在于,在高光谱图像数据上构造一个能真实反映样本间相似性关系的图。对于高光谱图像这样的高维度数据,由于数据的高维度性和非线性性使得传统的距离度量不能很好的刻画它们之间的相似性关系,从而不能构造一个良好的图结构。针对该问题,本文重点研究在稀疏表达模型框架下,如何学习得到一个有信息和判别性的图结构,使其充分挖掘高光谱数据的光谱和空间信息,以真实反映高光谱数据的内在结构,并应用于高光谱图像半监督分类任务中。首先,本文利用少量的标记信息来预估数据的概率类别结构,从而获得每个样... 

【文章页数】：125 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 高光谱图像半监督分类的难点以及现存的问题
    1.4 研究内容与创新点
    1.5 论文的章节安排
2 稀疏表达理论
    2.1 引言
    2.2 稀疏表达理论
    2.3 稀疏表达在高光谱图像处理中的应用
    2.4 本章小结
3 基于PCSSR图的高光谱图像半监督分类方法
    3.1 引言
    3.2 概率类别结构正则的稀疏表达(PCSSR)模型
    3.3 基于PCSSR图的高光谱图像半监督分类方法
    3.4 实验结果与分析
    3.5 本章小结
4 基于SCSSR图的高光谱图像半监督分类方法
    4.1 引言
    4.2 空域和类别结构正则的稀疏表达(SCSSR)模型
    4.3 基于SCSSR图的高光谱图像半监督分类方法
    4.4 实验结果与讨论
    4.5 本章小结
5 基于RSD图的高光谱图像半监督分类方法
    5.1 引言
    5.2 基于表示空间的判别性(RSD)图模型
    5.3 基于RSD图的高光谱图像半监督分类方法
    5.4 实验结果与讨论
    5.5 本章小结
6 总结与展望
    6.1 全文总结
    6.2 主要创新点
    6.3 研究展望
致谢
参考文献
附录1 攻读博士学位期间发表的学术论文
附录2 攻读博士学位期间参与申请的专利
附录3 公开发表的学术论文与博士学位论文的关系
附录4 攻读博士学位期间参与的科研课题


【参考文献】：
期刊论文
[1]高光谱图像稀疏信息处理综述与展望[J]. 张良培,李家艺.  遥感学报. 2016(05)
[2]基于光谱特征和纹理特征协同学习的高光谱图像数据分类[J]. 李吉明,贾森,彭艳斌.  光电工程. 2012(11)
[3]基于改进的最小二乘支持向量机的高光谱遥感图像分类[J]. 赵春晖,乔蕾.  应用科技. 2008(01)
[4]高斯最大似然分类在高光谱分类中的应用研究[J]. 陈进,王润生.  计算机应用. 2006(08)

博士论文
[1]空谱协作的高光谱图像分类方法研究[D]. 郝思媛.哈尔滨工程大学 2015
[2]高光谱遥感图像分类技术研究[D]. 高恒振.国防科学技术大学 2011
[3]基于流形学习算法的高光谱图像分类和异常检测[D]. 马丽.华中科技大学 2010
[4]高光谱图像分类方法研究[D]. 陈进.国防科学技术大学 2010



本文编号：3679401