基于稀疏表示和空间约束的高光谱遥感图像分类方法研究

《基于稀疏表示和空间约束的高光谱遥感图像分类方法研究》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、Ｉ园猶尔Ｍ：參硕±学位论文胃。雜圓舒獅表示和綱賊的高光谱１遥感图像分类方法研巧＾１化去巧么杳市兴导师姓名、职称张小华副教按＿ｍＪ巧堂巧巧制魁挙与工程二级学巧搜式巧别与智能系统＿２０１由巧给仿獅了繩±賊学位论文日期俾１祖＿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Ｗ标注和致谢中所罗列的内容外，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

2、的学位或证书而使用过的一材料。与我同工作的同志对本硏究所做的任何贡献均已在论文中作了明满的说明并表示了谢意。一切法律责任学位论文若有不实之处，本人承担。节本人签名；＾言乂日期：呼心巧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生在校攻攘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ｊ，、Ｉ保留送交论文的复印件允许查阁借阅论文；学校可Ｕ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

3、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。＿ｆｅＵ本人签名：ｉｉ欠导师签名ｊ：．年／之日期：令日期：么叩学校代码10701学号1202121211分类号TP75密级公开西安电子科技大学硕士学位论文基于稀疏表示和空间约束的高光谱遥感图像分类方法研究作者姓名：查方兴一级学科：控制科学与工程二级学科：模式识别与智能系统学位类别：工学硕士指导教师姓名、职称：张小华副教授提交日期：2014年11月ResearchonSparseRepresentationandSpaceConstraintBasedClassificationofHype

4、rspectralImageAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinControlScienceandEngineeringByZhaFangxingSupervisor:A.P.ZhangXiaohuaNovember2014摘要摘要随着科学技术的飞速发展以及人类处理数据能力的不断加强，高光谱图像处理已经成为图像处理技术中最受关注的领域之一。高光谱遥感影像图像包含大量的空间信息和光谱信息，具有很高的光谱分辨率和空间分辨率。光谱信息决定了

5、地物的谱特性，空间信息决定了地物的几何特性，将高光谱图像的光谱信息和空间信息有机的结合起来，有利于对高光谱遥感图像进行分类。因此，充分利用高光谱遥感图像的光谱信息和空间信息进行地物分类已经成为最近的一个研究热点。最近，稀疏表示在模式识别、信号处理和图像处理等领域都取得了不错的成绩。本文围绕着稀疏表示理论的相关方法对高光谱遥感图像分类的相关问题进行探讨和研究，旨在搜索稀疏概念在高光谱遥感图像分类问题中的理论背景和具体应用，并对稀疏表示框架进行了改进。具体研究内容如下：(1)提出了一种基于半监督局部保留降维和改进的联合协同表示相结合的分类方法。首先，对每两类训练样本求得一个投影矩阵，该

6、投影矩阵使得每两类样本之间同类的距离尽量小，不同类的距离尽量大，这样每两类之间都可以得到一个投影矩阵。在分类时，通过每两类样本的投影矩阵，我们可以判断测试样本和哪一类距离更接近，统计这些信息，我们可以得到测试样本的类别。在IndianPines和Salinas-A高光谱数据库上进行实验，从该算法实验结果可以看出，该算法在高光谱遥感图像上分类的正确率很高。(2)提出了一种基于半监督局部保留线性判别降维算法和改进最近邻分类器相结合的分类算法。该算法的基本思想是结合有标签样本和无标签的样本，得到一个最优的投影子空间，然后通过一个改进的最近邻分类器。先将数据通过得到的投影矩阵进行降维处理，

7、然后用改进的最近邻分类器对测试样本进行分类。在IndianPines和KennedySpaceCenter高光谱数据库上进行了实验，与其他的分类算法相比，我们的算法有着明显的优势。(3)提出了一种基于两阶段非局部相似性联合协同表示分类的算法。首先，该算法利用光谱信息得到每个测试样本一定数目的近邻训练样本，把它作为该测试样本的字典，然后结合测试样本非局部相似性和已求得的字典对测试样本进行非局部相似性表示，最后得到测试样本的类别。我们通过IndianPines和Kenne