高光谱遥感图像的稀疏表示分类方法研究

《高光谱遥感图像的稀疏表示分类方法研究》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、—ＩＰ！！｜、赚《謂知專图硕±学位论文Ｐ圍魏＇ｇ高光谱遥感图像的稀疏表示分类方法研巧作者姓名云智强学校导师姓名、巧疏慕彩红臟授ＳＢ企业导师姓名、取疏岳巧丽究员Ｓｍ串请学位类别工涯硕壬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化良的科学道德，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１＾＾标注和致谢ｉ中所罗列的内容Ｕｌ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

2、使用过的材料一同工。与我作的同事对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。一。学位论文若有不实之处，本人承担切法律责任、化．）本人签名：而巧满日期：ｌｉ西安电子科技大学关于论文使用授权的说明目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，Ｐ：研究生在校攻读学位期间论文工作的知识产权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Ｗ公布论文的全部或部分内容允许采用影目Ｐ、缩印或其它复制手段保存论文。同时本人保证，结合学位论文研究成果完成的论文、算法专利等成果，署名单位为西

3、安电子科技大学。。的学位论文在保密＿＿年解密后适用本授权书本人签名：号哨：足知ｉ］导师签名－〇－１＾？］（＾期；）：２Ｓ义日期日学校代码10701学号1302121399分类号TP751密级公开西安电子科技大学硕士学位论文高光谱遥感图像的稀疏表示分类方法研究作者姓名：云智强领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：慕彩红副教授企业导师姓名、职称：岳博副研究员学院：电子工程学院提交日期：2015年11月HyperspectralImagesClassificationusingSparseRepresentationMethod

4、AthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationsEngineeringByYunZhiqiangSupervisor:MuCaihongAssociateProfessorYueBoAssociateResearchFellowFebruary2015摘要摘要在20世纪80年代，对地遥感测观测手段由多光谱遥感发展到了高光谱遥感。高光谱遥感图像随即成为对地观测的主要手段之一。高光谱遥感图像

5、以其达到纳米级的光谱分辨率，探测和揭示了许多传统全色探测中不可观测到的，隐藏在光谱曲线中的地物目标特性，因此高光谱图像在许多领域都得到了广泛的应用，并成为世界上许多国家对地遥感系统的重要组成部分。而在高光谱遥感图像的研究中，高光谱遥感图像分类是其中的重点和基础。在机器学习领域，许多用于高光谱图像分类的算法都被提出。近几年，作为机器学习领域的热点，稀疏表示也被成功应用到了高光谱图像分类当中。基于稀疏表示的高光谱图像分类方法从经典的利用光谱信息分类开始，演变到目前的空-谱结合的分类思路。本文就基于稀疏表示在高光谱图像分类方法方面做了一些研究，包括以下内容：（1）针对经典的高光谱图像

6、稀疏表示分类方法精度不高，时间复杂度较高的缺点，提出了一种基于字典和波段重组的高光谱图像稀疏表示分类方法。在该算法中，在算法开始时使用邻域均值化预处理，并在判断最终分类结果时使用多图K近邻（k-NearestNeighbor，KNN）融合策略，以达到充分利用高光谱图像空间信息，使空-谱信息相结合的目的；依照高光谱图像地物目标的光谱特性对其进行波段重组和分割，并与最终使用多图KNN策略有机地结合，以达到更加充分利用光谱信息的目的。并且简化了经典的高光谱图像稀疏表示算法，极大地降低了算法的时间复杂度。从实验结果来看，该算法时间复杂度低，且分类精度高。（2）提出了一种基于带权重的像元

7、块的高光谱稀疏表示分类方法。该方法在现有的高光谱遥感图像联合稀疏表示分类器（JointSparseRepresentationClassifier，JSRC）的基础之上，对其中最主要的联合稀疏矩阵重建算法：联合正交匹配追踪算法（SimultaneousOrthogonalMatchingPursuit，SOMP）与联合子空间追踪算法（SimultaneousSubspacePursuit，SSP）进行了深入研究，提出了WeightedPixelBlockSOMP(WPB-SOMP)与Weigh