資源描述：
《空間-譜間字典的學(xué)習(xí)及基于字典的高光譜圖像的重構(gòu)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、密級(jí)：學(xué)校代碼：10075分類號(hào)：學(xué)號(hào)：20121362工程碩士學(xué)位論文空間-譜間字典的學(xué)習(xí)及基于字典的高光譜圖像的重構(gòu)學(xué)位申請(qǐng)人：任海洋指導(dǎo)教師：龍海南副教授學(xué)位類別：工程碩士學(xué)科專業(yè)：電子與通信工程授予單位：河北大學(xué)答辯日期：二○一四年五月ClassifiedIndex：CODE：10075U.D.C：NO：201213622ADissertationfortheDegreeofM.EngineeringSpatial-spectraldictionarylearningandhyperspectralimagerecon
2、structionCandidate:RenHaiyangSupervisor:Prof.LongHainanAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:Elec.andcomm..engineeringUniversity:HebeiUniversityDateofAccomplishment:May,2014摘要摘要高光譜圖像的光譜具有顯著的結(jié)構(gòu)特征，如果高光譜圖像得到適當(dāng)?shù)谋碚骺梢詫?shí)現(xiàn)更高效的數(shù)據(jù)采集并且能夠提高數(shù)據(jù)的分析能力。因?yàn)榇蟛糠窒袼厮从车闹皇巧贁?shù)
3、的幾種材料光譜反射曲線，因此我們認(rèn)為稀疏編碼模型與高光譜圖像數(shù)據(jù)是良好匹配的。稀疏模型認(rèn)為每個(gè)像素只是一個(gè)較大的字典中幾個(gè)元素的組合，并且這種方法在應(yīng)用中被證明很有效。本文提出了一種新的空間-譜間字典的學(xué)習(xí)方法，并用這個(gè)字典進(jìn)行高光譜圖像的重構(gòu)。本文采用梯度下降法學(xué)習(xí)字典，并對(duì)梯度下降法做了簡(jiǎn)要的介紹。同時(shí)，本文提出了空間-譜間字典的學(xué)習(xí)基本思路。首先，初始化字典取隨機(jī)正值,固定字典利用梯度下降法計(jì)算稀疏系數(shù)；其次，系數(shù)不變?cè)儆锰荻认陆捣ㄓ?xùn)練更新字典；最后，上述兩步交替進(jìn)行直到算法收斂。依據(jù)這種模型訓(xùn)練出來的字典更加符合高光譜
4、圖像的特點(diǎn)，并將訓(xùn)練出來的字典用于高光譜圖像的重構(gòu)，通過比較峰值信噪比PSNR來確定圖像重構(gòu)效果的好壞，本文通過字典重構(gòu)的圖像的PSNR與原始圖像比較獲得了良好的重構(gòu)效果。關(guān)鍵詞高光譜圖像字典學(xué)習(xí)梯度下降法稀疏表示空間-譜間相關(guān)性IAbstractAbstractHyperspectralimageshavesignificantstructuralfeatures,Ifthehyperspectralimagecanbeproperlycharacterized,datacollectionanddataanalysisca
5、nbeimproved.Becausemostofthepixels,asreflectedinthespectralreflectancecurvesofseveralmaterialsjustafew,sowethinkthesparsecodingmodelandhyperspectralimagedataisagoodmatch.Sparsemodelconsiderseachpixelisjustacombinationofseverallargedictionaryofelements,andintheapplic
6、ationofthismethodhasbeenprovenveryeffective.Aspatial-spectraldictionarylearningalgorithmisintroducedandappliedtoreconstructthehyper-spectralimages.Accordingtothecharacteristicthathyper-spectralimageshaverichspatialandspectralcorrelations,thehyper-spectralimagescanbe
7、dividedinto3Dsmallcubeblocks.Therefore,weusethisdictionarytodescribethesecubeblocks.weuseagradientdescentmethodtolearningdictionary.First,assumingthedictionaryisfixed,gradientdescentmethodisusedtocalculatethesparsecoefficients;Second,assumingthecoefficientsarefixed,
8、gradientdescentmethodtoupdatethedictionary;thesetwostepsarealternatelyuseduntilthealgorithmconverges.Finally,thedictionaryisappliedtorecon
