資源描述：
《基于域變換遞歸濾波的高光譜圖像分類方法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、學校代號10532學號S150900764分類號TP391密級公開碩士學位論文基于域變換遞歸濾波的高光譜圖像分類方法研究學位申請人姓名向軒琳培養(yǎng)單位電氣與信息工程學院導師姓名及職稱康旭東副教授學科專業(yè)控制科學與工程研究方向圖像處理與模式識別論文提交日期2018年4月17日學校代號：10532學號：S150900764密級：公開湖南大學碩士學位論文基于域變換遞歸濾波的高光譜圖像分類方法研究學位申請人姓名：向軒琳導師姓名及職稱：康旭東副教授培養(yǎng)單位：電氣與信息工程學院專業(yè)名稱：控制科學與工程論文提交日期：2018年4月17日論文答辯日期：2018年5月19日答辯委員會
2、主席：劉小燕教授ResearchesonHyperspectralImageClassificationviaDomainTransformRecursiveFilterbyXIANGXuanlinB.E.（GuangxiUniversity）2015AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinControlScienceandEngineeringintheGraduateSchoolofHunanUniversitySuperv
3、isorAssociateProfessorKANGXudongApril,2018湖南大學學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。除了文中特別加以標注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律后果由本人承擔。作者簽名：日期：年月日學位論文版權使用授權書本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。本人授
4、權湖南大學可以將本學位論文的全部或部分內(nèi)容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復制手段保存和匯編本學位論文。本學位論文屬于1、保密□，在______年解密后適用本授權書。2、不保密?。（請在以上相應方框內(nèi)打“√”）作者簽名：日期：年月日導師簽名：日期：年月日I基于域變換遞歸濾波的高光譜圖像分類方法研究摘要高光譜圖像的光譜范圍從可見光到遠紅外，包含了數(shù)百個波段，光譜分辨率達到了納米級別。這使得高光譜圖像具有其他遙感圖像未能擁有的特性，它可以提供地物豐富的光譜信息和特有的物理性狀，從而提升了人類認識客觀世界的能力。然而傳統(tǒng)的遙感圖像處理方法運用到高光譜圖
5、像領域時有諸多挑戰(zhàn)。首先，高光譜圖像的光譜分辨率遠高于計算機視覺和其他遙感應用中使用的圖像。此外，由于衛(wèi)星和機載平臺拍攝的高光譜圖像很容易受到照明、陰影和天氣等許多環(huán)境因素的影響。在這種不完美的情況下，高光譜圖像中樣本的光譜特征通常相對復雜。這意味著屬于同一地物的樣本可能具有完全不同的光譜，反之亦然。針對上述問題，本文提出了如下兩種基于域變換遞歸濾波的高光譜圖像分類方法：1）由于場景的復雜性和人工標注的不可靠性，高光譜圖像分類的訓練集可能存在誤標記的情況。針對這一問題，本文提出一種基于域變換遞歸濾波與光譜探測的方法來檢測并糾正錯誤標記的訓練樣本，從而提高了后續(xù)的高
6、光譜圖像分類精度。該方法首先將域變換遞歸濾波用于特征提取，提高訓練樣本的可分性。然后，在每個訓練集上執(zhí)行基于約束能量最小化的目標檢測操作。最后，根據(jù)不同類別的平均檢測概率驗證或修正每個訓練樣本的標簽。實驗結果表明，所提出的方法能有效糾正錯誤的訓練樣本，從而提高分類精度。2）域變換遞歸濾波可有高效表示高光譜圖像中物體的光譜和空間結構。然而，單尺度的域變換遞歸濾波特征不足以提供多尺度空間信息的完整表征。此外，其平滑操作不可避免地降低了不同類別的對象之間的光譜差異，降低部分地物的可分性。針對這些問題，本文提出了一種基于域變換遞歸濾波和主成分分析的高光譜圖像分類方法：首先
7、，將具有不同參數(shù)設置的域變換遞歸濾波器應用于輸入圖像來構建多尺度邊緣保持特征，并且將所得到的多尺度邊緣保持特征堆疊在一起。使用主成分分析降低特征維度的同時融合多尺度信息，不僅提高了算法效率，同時提升了邊緣保持特征的可分性。最后，由支持向量機分類器對得到的特征進行分類。在多個真實高光譜數(shù)據(jù)集上的實驗結果表明：所提出的方法相對于傳統(tǒng)的邊緣保持濾波特征提取方法，有效地提高了分類精度。關鍵詞：域變換遞歸濾波；高光譜圖像；圖像分類；錯誤標記的訓練樣本；支持向量機II碩士學位論文AbstractHyperspectralimagescontainhundredsofbands
8、rangi
