基于半监督学习的高光谱图像分类方法研究

《基于半监督学习的高光谱图像分类方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于半监督学习的高光谱图像分类方法研究作者姓名宋强学校导师姓名、职称张向荣教授领域电子与通信工程企业导师姓名、职称王晓华高工申请学位类别工程硕士提交学位论文日期2014年11月学校代码10701学号1202121332分类TN8号2TP75密级公开西安电子科技大学硕士学位论文基于半监督学习的高光谱图像分类方法研究作者姓名：宋强领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：张向荣教授李四副教授企业导师姓名、职称：王晓华高工王五研究员提交日期：2014年11月AStudyofSemi-supervisedLearningonHyperspectralImageCla

2、ssificationAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByQiangSongSupervisor:XiangrongZhangXiaohuaWangNovember2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加

3、以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文

4、。同时本人保证，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要高光谱图像具有较高的光谱和空间分辨率，能够精确的获取地物光谱特征，在很多领域得到了成功应用。然而，高光谱图像的特点也为其分类带来了挑战：1）高维谱特征；2）有限的训练样本；3）存在冗余和噪声波段。本文针对高光谱图像分类中存在的问题与挑战，专注于半监督学习拟从以下三个问题开展研究：1）鲁棒的半监督分类算法设计；2）半监督稀疏判别特征学习；3）半监督波段选择方法设计。主要成果如下：1.提出了一种基于空谱域双视图协同训

5、练的半监督高光谱图像分类方法。该方法采用谱特征和空间纹理特征作为协同训练的两个独立视图，在分类中结合了空谱信息。同时，提出了一种改进的样本选择机制，能够有效地提高协同训练模型在训练样本数目极其有限情况下的分类性能。2.提出了一种基于半监督字典学习的高光谱图像分类方法。该方法利用标记样本和无标记样本共同学习重构字典，同时在模型中加入了分类器参数的优化过程。因此，该方法不仅能够学习得到具有较好判别能力和泛化性能的字典，而且同时加入分类器参数的优化可以使得该模型具有基于该字典学习得到的判别稀疏表示下最优的分类性能。3.提出了一种基于联合稀疏正则的半监督高光谱波段选择方法。该方法基

6、于线性回归模型，对回归系数矩阵采用联合稀疏正则约束，选择对分类具有一致性的波段。同时，为提高模型的泛化能力，加入了流型正则项，将判别信息和平滑先验整合到一个更紧凑的半监督模型中。基于该模型的波段选择方法仅需计算回归系数矩阵中列向量的l2范数，选取范数最大列对应的波段的索引，方便用户选取指定数目的波段。本文的工作得到了国家自然科学基金(61272282)、教育部新世纪优秀人才支持计划(NCET-13-0948)等项目的资助。关键词：协同训练，字典学习，高光谱图像分类，半监督学习论文类型：应用基础研究类IABSTRACTABSTRACTHyperspectralimages(H

7、SIs)arecharacterizedbythehighspectralandspatialresolutionavailable,whichallowscapturingfinedetailsofthespectralcharacteristicsofmaterialsinawiderangeofapplications.However,italsobringsthechallengesforHSIclassification:1)largenumberofspectralchannels;2)smallnum