高光谱遥感图像的预处理和分割关键技术研究

高光谱遥感图像的预处理和分割关键技术研究

ID:34888416

大小:5.02 MB

页数:82页

时间:2019-03-13

高光谱遥感图像的预处理和分割关键技术研究_第1页
高光谱遥感图像的预处理和分割关键技术研究_第2页
高光谱遥感图像的预处理和分割关键技术研究_第3页
高光谱遥感图像的预处理和分割关键技术研究_第4页
高光谱遥感图像的预处理和分割关键技术研究_第5页
资源描述:

《高光谱遥感图像的预处理和分割关键技术研究》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、I弟巷崖..參’'...声-.敕:.:.V.禱.’:’.^:102%密级:/><;单位代码.:?;1战...式、又寺幾.1I;心隊,靡翊編I僅化i;\||隣-戀纖馨?'祐、‘论文题目:高光谱遥感图像的预处理和分割关键技术研究?>-...*''..W.''..V,;、f,,':、;^^-,,'H<1012010616学号片:爲短'汪雪述巧女姓名,、刘峰教誦导f导师-1薇,灌!理学科专业信号与信息处._‘:^处理与多媒体頭iL'君I硏究方向_图傢知韻薪

2、補工学硕圭'却女申请学位类别.20154年月_事论文提交日期^?.X<.琴?'?*???-南京邮电大学学位论文原创性声明本人声明所呈交的学位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W标注和致谢的地方外,论文中不包含其他人已经发表或撰写过,也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料的研究成果。与我一同工作的同志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。一本人学位论文及涉及相关资料若有不实法。,愿意承担切相的律责任关:>成專水三口為4|研

3、生签名:日期;巧因女巧究南京邮电文使用授权声大学学位论明授论文电文本人权南京邮电大学可tiU呆留并向国家有关口或机构送交的复印件和子部论文查和借il或容编入有关库进行检档;允许被阅阅;可t将学位论文的全部部分内数据索:、描、。的纸质可W采用影印缩印或扫复制手段保汇学位论文文电子文档内容和等存编本本一理。()。论的容相致论的公括登生文内文布包刊授权南京邮电大学研巧院办。涉密位论文在密后适用书学解本授权:巧^I;::口口研生签池k导师签日期巧4目長究名肴名TheResearchonImagePreprocessingandSegmentationofHypers

4、pectralRemoteSensingThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByXuebingShenSupervisor:Prof.FengLiuApril2015摘要高光谱图像分割技术是高光谱图像分析和理解的基础,准确的图像分割有利于后续的分类、识别、感兴趣区域的提取等操作。此外,由于高光谱图像的高维特性使得传统的图像分割技术不能够用于高光谱图像的分割,因此高光谱分割技术的研究具有实际的价值。直接对高光谱原始图像进行处理,存在数据量庞大

5、,信息冗余度高、计算效率低等问题,需要对高光谱图像进行降维预处理。高光谱图像存在条带噪声,在特征提取降维后会变得更突出,严重影响了后续高光谱图像的分析与理解,所以在降维前需要消除条带噪声。本文针对高光谱遥感图像,在条带噪声的去除、降维和图像分割三个方向进行了研究。在高光谱图像去噪方面,应用传统矩匹配法虽然可以有效去除条带噪声,但是对于非平坦区域,图像存在“带状效应”,即图像从整体上表现出一种时暗时明的不连续性。本文提出了基于改进S-G滤波的矩匹配方法,有效去除条带噪声的同时,解决了传统矩匹配法的“带状效应”。对于地物均匀分布和地物非均匀分布状况下的高光谱图像,都能够有效地去除条带噪声,较好地

6、保持了原始图像信息,提高了图像质量。在高光谱图像降维方面,提出了分段金字塔融合的降维方法。首先,通过计算波段间相关系数将其划分为若干个波段组。在波段分组的基础上,采用金字塔图像融合的策略实现高光谱图像的降维,减少高光谱数据之间的冗余,合并不同波段的互补信息,利于后续的分割处理。基于金字塔分解的图像融合过程,通过低频图像的波段指数加权融合和高频图像的局部能量取最大值融合,使得不同波段组降维结果相关系数较小的同时,避免了直接加权融合造成图像模糊的问题。针对高光谱图像的分割问题,提出一种基于分数阶粒子群算法(FODPSO)和区域合并的图像分割方法。在上述分组降维的基础上,采用FODPSO算法计算各

7、波段组降维图像的最佳分割阈值,实现高光谱图像的分组分割。然而根据分组分割得到的高光谱图像初始分割结果往往存在过分割现象,区域之间仍然存在许多相似性,且分组分割时仅考虑了像素的光谱值,使得光谱值相近但空间上不相邻的区域被划分为同一区域中。为了得到更准确的分割区域,结合高光谱图像的光谱特性和区域邻接关系提出一种新的区域合并策略,对初始分割结果进行区域合并,得到图像最终的分割结果。经过上述步骤,有效实现了高光谱图像

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。