基于函数型数据分析的高光谱图像特征提取研究

发布时间：2023-04-21 04:42

　　高光谱遥感图像可以提供丰富详尽的地物信息,但是由于其光谱维度高且相关性强、数据量大而标记样本有限的特点,使得运用传统遥感图像处理技术分析高光谱图像具有一定难度。因此,使用特征提取技术在保留高光谱图像主要光谱信息的同时降低光谱维度,成为了高光谱遥感数据处理的重点之一。本论文针对高光谱数据波段之间相关性强的特点,以函数型数据分析为基础,重点研究以下内容。(1)传统的高光谱特征提取算法将连续的光谱视为一组离散的向量,忽视了相邻波段之间的强相关性。针对此问题,本文提出了一种无监督的函数型局部保持投影算法(Functional Locality Preserving Projections,FLPP)。FLPP将光谱视作一条连续的函数曲线并保留了波段间的相关性,同时也避免了函数型主成分分析对噪声敏感的问题。通过真实的高光谱数据实验表明,FLPP在无标记信息的情况下能有效降低波段冗余,进而提高分类精度。(2)高光谱数据维度高且标记样本的不足是影响高光谱图像分类效果的直接因素之一,针对该问题,本文在FLPP的基础上提出了一种有监督的函数型局部保持投影算法(Supervised Functional ...

【文章页数】：113 页

【学位级别】：博士

【文章目录】：
作者简历
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 高光谱遥感图像特点
    1.3 高光谱图像特征提取研究现状
        1.3.1 光谱特征提取研究现状
        1.3.2 空间特征提取研究现状
    1.4 论文的研究内容
    1.5 本文的组织结构
第二章 基于函数型降维算法的高光谱图像特征提取基础
    2.1 引言
    2.2 函数型数据简介
    2.3 高光谱函数型数据的拟合
        2.3.1 傅里叶基(Fourier Basis)
        2.3.2 B样条基(B-spline Basis)
        2.3.3 基函数个数m的选择
    2.4 高光谱函数型数据的平滑
        2.4.1 基于最小二乘准则的平滑方法
        2.4.2 基于粗糙惩罚最小二乘准则的平滑方法
    2.5 本文实验数据和性能评价指标
        2.5.1 高光谱遥感数据集介绍
        2.5.2 性能评价指标
    2.6 本章小结
第三章 一种无监督的函数型局部保持投影算法
    3.1 引言
    3.2 相关研究
        3.2.1 主成分分析法
        3.2.2 局部保持投影法
        3.2.3 函数型主成分分析法
    3.3 函数型局部保持投影算法
    3.4 实验结果与分析
        3.4.1 实验设置
        3.4.2 合成数据集实验
        3.4.3 Indian Pines、KSC和 Salinas数据实验
    3.5 本章小结
第四章 一种有监督的函数型局部保持投影算法
    4.1 引言
    4.2 相关研究
        4.2.1 均值滤波
        4.2.2 基于图的Fisher分析
    4.3 有监督的函数型局部保持投影算法
    4.4 实验结果与分析
        4.4.1 实验设置
        4.4.2 Indian Pines数据实验分析
        4.4.3 KSC数据实验分析
        4.4.4 Salinas数据实验分析
    4.5 本章小结
第五章 一种基于高斯过程图的判别分析算法
    5.1 引言
    5.2 相关研究
        5.2.1 高斯过程
        5.2.2 图嵌入判别分析框架
    5.3 高斯过程图判别分析算法
    5.4 实验结果与分析
        5.4.1 实验设置
        5.4.2 核函数敏感性分析
        5.4.3 Indian Pines数据实验分析
        5.4.4 University of Pavia数据实验分析
        5.4.5 Salinas数据实验分析
        5.4.6 实验讨论
    5.5 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 未来工作展望
致谢
参考文献



本文编号：3795859