基于张量的遥感影像去噪、特征提取和分类方法研究
发布时间：2024-03-05 01:20
随着传感器技术的发展,高(空间、光谱)分辨率遥感数据为我们提供了更详细的空间、光谱细节信息,为精确分析地表信息创造条件的同时,又对现有的影像处理算法提出了新的挑战。受成像技术的影响,传感器在获得更高分辨率的数据时将更容易引入噪声,影像质量的劣化不利于后续解译；空间、光谱分辨率的不匹配导致“同物异谱”和“异物同谱”现象发生,单独的光谱信息无法满足精确解译的需求：分辨率的提高带来数据量和数据维度的增长,大数据、高维度对传统影像解译算法提出了更高的要求。针对遥感数据在上述数据获取、特征提取和特征解译三个阶段存在的问题,本文在现有的遥感影像解译工作的基础上,结合(空间、光谱)分辨率遥感数据的自身特点,以多维度分析为主线,建立一个完整的张量遥感影像处理框架,分别实现张量影像降噪、张量特征提取、张量分类和变化检测,提升信息处理分析能力。在论述具体算法之前,本文首先简介了多维线性代数理论和张量,接着讨论遥感影像的张量表达形式。随后展开的研究内容如下：(1)对遥感影像的噪声问题,本文首次将张量模型引入遥感影像降噪处理中,分别研究了Tucker3张量分解和PARAFAC张量分解在影像降噪处理中的可行性。...
【文章页数】：132 页
【学位级别】：博士
【文章目录】：
中文摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状与问题
1.2.1 国内外研究现状
1.2.2 研究存在的问题
1.3 论文的研究内容与章节安排
1.3.1 研究内容
1.3.2 章节安排
第二章 多维线性分析概述
2.1 张量与多维线性代数
2.2 遥感数据的张量描述
第三章 基于张量分解的遥感影像降噪
3.1 遥感影像的影像降噪方法概述
3.2 基于Tucker3张量分解的遥感影像降噪
3.2.1 张量的Tucker3分解模型
3.2.2 基于Tucker3分解的影像降噪
3.2.3 Tucker3分解的参数选择
3.3 基于PARAFAC张量分解的遥感影像降噪
3.3.1 张量的PARAFAC分解模型
3.3.2 基于PARAFAC分解的影像降噪
3.3.3 PARAFAC分解的参数选择
3.4 实验与分析
3.4.1 基于张量分解的遥感影像降噪对比实验
3.4.2 基于张量分解的遥感影像降噪参数分析
3.5 本章小结
第四章 遥感影像的张量纹理提取方法
4.1 遥感影像的特征提取方法概述
4.2 遥感影像的张量小波特征提取
4.2.1 张量离散小波分解(3D DWT)
4.2.2 基于张量小波分解的特征提取
4.3 遥感影像的张量方向金字塔特征提取
4.3.1 二阶方向金字塔滤波(SOP)
4.3.2 基于张量方向金字塔的特征提取
4.4 实验与分析
4.4.1 遥感影像的张量纹理对比实验
4.4.2 遥感影像的张量纹理参数分析
4.5 本章总结
第五章 多类支持张量机
5.1 遥感影像的分类方法概述
5.2 多类支持张量机分类器
5.2.1 二类支持张量机分类器
5.2.2 多类支持张量机分类器
5.2.3 多类支持张量机分类器用于遥感影像分类
5.3 融合多维主成分分析的支持张量机遥感影像分类框架
5.3.1 多维主成分分析(MPCA)维度约减算法
5.3.2 融合多维主成分分析的STM分类模型
5.4 实验与分析
5.4.1 多类支持张量机的遥感影像分类对比实验
5.4.2 多类支持张量机的遥感影像分类参数分析
5.5 本章总结
第六章 基于张量小波纹理的遥感影像变化分析
6.1 遥感影像变化检测方法概述
6.2 基于张量小波纹理的融合空谱变化张量分析
6.2.1 张量小波纹理的变化张量分析
6.2.2 加权融合空间-光谱变化信息
6.3 实验与分析
6.3.1 基于张量小波纹理的空谱融合变化检测实验对比
6.3.2 基于张量小波纹理的空谱融合变化检测参数分析
6.4 本章小结
第七章 总结与展望
7.1 本文总结
7.2 研究展望
参考文献
附录
致谢
本文编号：3919461
【文章页数】：132 页
【学位级别】：博士
【文章目录】：
中文摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状与问题
1.2.1 国内外研究现状
1.2.2 研究存在的问题
1.3 论文的研究内容与章节安排
1.3.1 研究内容
1.3.2 章节安排
第二章 多维线性分析概述
2.1 张量与多维线性代数
2.2 遥感数据的张量描述
第三章 基于张量分解的遥感影像降噪
3.1 遥感影像的影像降噪方法概述
3.2 基于Tucker3张量分解的遥感影像降噪
3.2.1 张量的Tucker3分解模型
3.2.2 基于Tucker3分解的影像降噪
3.2.3 Tucker3分解的参数选择
3.3 基于PARAFAC张量分解的遥感影像降噪
3.3.1 张量的PARAFAC分解模型
3.3.2 基于PARAFAC分解的影像降噪
3.3.3 PARAFAC分解的参数选择
3.4 实验与分析
3.4.1 基于张量分解的遥感影像降噪对比实验
3.4.2 基于张量分解的遥感影像降噪参数分析
3.5 本章小结
第四章 遥感影像的张量纹理提取方法
4.1 遥感影像的特征提取方法概述
4.2 遥感影像的张量小波特征提取
4.2.1 张量离散小波分解(3D DWT)
4.2.2 基于张量小波分解的特征提取
4.3 遥感影像的张量方向金字塔特征提取
4.3.1 二阶方向金字塔滤波(SOP)
4.3.2 基于张量方向金字塔的特征提取
4.4 实验与分析
4.4.1 遥感影像的张量纹理对比实验
4.4.2 遥感影像的张量纹理参数分析
4.5 本章总结
第五章 多类支持张量机
5.1 遥感影像的分类方法概述
5.2 多类支持张量机分类器
5.2.1 二类支持张量机分类器
5.2.2 多类支持张量机分类器
5.2.3 多类支持张量机分类器用于遥感影像分类
5.3 融合多维主成分分析的支持张量机遥感影像分类框架
5.3.1 多维主成分分析(MPCA)维度约减算法
5.3.2 融合多维主成分分析的STM分类模型
5.4 实验与分析
5.4.1 多类支持张量机的遥感影像分类对比实验
5.4.2 多类支持张量机的遥感影像分类参数分析
5.5 本章总结
第六章 基于张量小波纹理的遥感影像变化分析
6.1 遥感影像变化检测方法概述
6.2 基于张量小波纹理的融合空谱变化张量分析
6.2.1 张量小波纹理的变化张量分析
6.2.2 加权融合空间-光谱变化信息
6.3 实验与分析
6.3.1 基于张量小波纹理的空谱融合变化检测实验对比
6.3.2 基于张量小波纹理的空谱融合变化检测参数分析
6.4 本章小结
第七章 总结与展望
7.1 本文总结
7.2 研究展望
参考文献
附录
致谢
本文编号：3919461
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3919461.html