高分辨率遥感图像多时相对齐与分类技术研究
发布时间：2024-02-04 16:30
多时相遥感图像分类主要是利用一幅有标签图像实现对采集于其他时相的无标签图像的分类(包括同源场景和异源场景图像)。多时相分类主要包含多时相图像对齐与对齐后数据分类两个方面。其中,多时相对齐是针对多时相遥感图像之间因成像环境不同造成的光谱漂移问题,通过变换统计分布方式,消除同类地物在不同时相上的分布差异,实现多时相遥感图像联合利用。多时相分类有效解决了要分类图像无标签下的图像解译问题,作为遥感图像分析的核心手段,广泛应用在人类生活相关的各个领域,包括国土、农业、林业、环保、防震减灾等。近些年,随着遥感技术的发展,遥感图像的空间分辨率不断提高。对于高空间分辨率(以下简称高分)条件下的多时相遥感图像分类,除原本多时相图像间的光谱漂移问题外,还面临着其他诸多问题:因成像条件影响造成多时相数据缺失、高分下复杂统计分布与不同时相的多模问题加大了时相间的信息差异、对齐后数据分布复杂且遥感图像非线性依旧存在三方面。针对高分辨率多时相分类出现的问题,本文分别从高分下多时相缺失数据恢复、高分下多时相对齐以及对齐后数据的稀疏多核分类三个方面开展研究工作,主要做出了如下方面的研究成果:(1)针对因成像条件影响造...
【文章页数】：139 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及研究目和意义
1.1.1 课题背景
1.1.2 课题研究的目的和意义
1.2 研究现状
1.2.1 多时相多光谱图像缺失数据恢复
1.2.2 多时相多光谱遥感图像对齐
1.2.3 多时相遥感图像地物分类
1.2.4 存在问题及解决方法
1.3 论文主要研究内容与结构安排
第2章 多时相遥感图像缺失数据恢复
2.1 引言
2.2 时相-光谱角定义、计算与验证
2.2.1 多时相遥感图像多维度信息联合表示
2.2.2 时相-光谱角函数定义与计算
2.2.3 时相-光谱角函数验证
2.3 基于时相-光谱角度量的多时相缺失数据恢复
2.3.1 待恢复像素提取
2.3.2 基于加权时相-光谱角的最佳相似点搜索
2.3.3 缺失数据恢复
2.4 实验结果与分析
2.4.1 实验数据、对比方法与评价指标
2.4.2 时相-光谱角函数验证
2.4.3 仿真缺失数据验证
2.4.4 真实缺失数据恢复验证
2.4.5 时相数量、缺失比例与恢复精度关系验证
2.5 本章小结
第3章 基于拓扑结构标签优化的多时相遥感图像对齐
3.1 引言
3.2 无监督多时相流形对齐
3.2.1 传统的实例流形对齐
3.2.2 无监督非实例流形对齐
3.3 基于拓扑结构标签优化的多时相流形对齐
3.3.1 拓扑结构标签优化流形对齐
3.3.2 基于邻近关系的同源场景多时相对齐改进
3.4 实验结果与分析
3.4.1 实验数据、对比方法与评价指标
3.4.2 对齐性能验证
3.4.3 多时相分类能力验证
3.4.4 参数影响分析
3.5 本章小结
第4章 基于空谱联合张量分析的多维度遥感图像对齐
4.1 引言
4.2 基于张量子空间对齐的多时相空-谱一体化对齐
4.2.1 子空间对齐
4.2.2 张量代数
4.2.3 张量子空间对齐
4.3 张量子空间维数估计
4.4 实验结果与分析
4.4.1 实验数据、对比方法与评价指标
4.4.2 同源场景高分辨率多时相对齐分类验证
4.4.3 异源场景高分多时相对齐分类验证
4.4.4 多通道本征维度估计验证
4.5 本章小结
第5章 面向对象的多时相遥感图像对齐
5.1 引言
5.2 面向对象的多时相对齐
5.2.1 多时相超像素分割
5.2.2 超像素特征提取与对象对齐
5.2.3 基于超体素分割的同源场景多时相对齐
5.3 实验结果与分析
5.3.1 实验数据、对比方法与评价指标
5.3.2 超像素/超体素分割验证
5.3.3 基于超像素的多时相分类验证
5.3.4 基于超体素的多时相分类验证
5.4 本章小结
第6章 多时相对齐数据的稀疏多核分类
6.1 引言
6.2 面向对齐数据的稀疏多核学习
6.2.1 核方法与支持向量机
6.2.2 一般多核分类器框架
6.2.3 核尺度的稀疏特性
6.2.4 稀疏多核学习
6.3 实验结果与分析
6.3.1 实验数据、对比方法与评价指标
6.3.2 面向对齐数据的分类性能验证
6.3.3 面向对齐数据的核尺度选择分析
6.4 本章小结
结论
参考文献
攻读博士期间所发表的论文及其他成果
致谢
个人简历
本文编号：3895517
【文章页数】：139 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景及研究目和意义
1.1.1 课题背景
1.1.2 课题研究的目的和意义
1.2 研究现状
1.2.1 多时相多光谱图像缺失数据恢复
1.2.2 多时相多光谱遥感图像对齐
1.2.3 多时相遥感图像地物分类
1.2.4 存在问题及解决方法
1.3 论文主要研究内容与结构安排
第2章 多时相遥感图像缺失数据恢复
2.1 引言
2.2 时相-光谱角定义、计算与验证
2.2.1 多时相遥感图像多维度信息联合表示
2.2.2 时相-光谱角函数定义与计算
2.2.3 时相-光谱角函数验证
2.3 基于时相-光谱角度量的多时相缺失数据恢复
2.3.1 待恢复像素提取
2.3.2 基于加权时相-光谱角的最佳相似点搜索
2.3.3 缺失数据恢复
2.4 实验结果与分析
2.4.1 实验数据、对比方法与评价指标
2.4.2 时相-光谱角函数验证
2.4.3 仿真缺失数据验证
2.4.4 真实缺失数据恢复验证
2.4.5 时相数量、缺失比例与恢复精度关系验证
2.5 本章小结
第3章 基于拓扑结构标签优化的多时相遥感图像对齐
3.1 引言
3.2 无监督多时相流形对齐
3.2.1 传统的实例流形对齐
3.2.2 无监督非实例流形对齐
3.3 基于拓扑结构标签优化的多时相流形对齐
3.3.1 拓扑结构标签优化流形对齐
3.3.2 基于邻近关系的同源场景多时相对齐改进
3.4 实验结果与分析
3.4.1 实验数据、对比方法与评价指标
3.4.2 对齐性能验证
3.4.3 多时相分类能力验证
3.4.4 参数影响分析
3.5 本章小结
第4章 基于空谱联合张量分析的多维度遥感图像对齐
4.1 引言
4.2 基于张量子空间对齐的多时相空-谱一体化对齐
4.2.1 子空间对齐
4.2.2 张量代数
4.2.3 张量子空间对齐
4.3 张量子空间维数估计
4.4 实验结果与分析
4.4.1 实验数据、对比方法与评价指标
4.4.2 同源场景高分辨率多时相对齐分类验证
4.4.3 异源场景高分多时相对齐分类验证
4.4.4 多通道本征维度估计验证
4.5 本章小结
第5章 面向对象的多时相遥感图像对齐
5.1 引言
5.2 面向对象的多时相对齐
5.2.1 多时相超像素分割
5.2.2 超像素特征提取与对象对齐
5.2.3 基于超体素分割的同源场景多时相对齐
5.3 实验结果与分析
5.3.1 实验数据、对比方法与评价指标
5.3.2 超像素/超体素分割验证
5.3.3 基于超像素的多时相分类验证
5.3.4 基于超体素的多时相分类验证
5.4 本章小结
第6章 多时相对齐数据的稀疏多核分类
6.1 引言
6.2 面向对齐数据的稀疏多核学习
6.2.1 核方法与支持向量机
6.2.2 一般多核分类器框架
6.2.3 核尺度的稀疏特性
6.2.4 稀疏多核学习
6.3 实验结果与分析
6.3.1 实验数据、对比方法与评价指标
6.3.2 面向对齐数据的分类性能验证
6.3.3 面向对齐数据的核尺度选择分析
6.4 本章小结
结论
参考文献
攻读博士期间所发表的论文及其他成果
致谢
个人简历
本文编号：3895517
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3895517.html