| 【中文题名】 | 基于高光谱图像的特征提取/选择及其应用的研究 |
| 【英文题名】 | Research of Feature Extraction/Selection Techniques and Application Based on Hyperspectral Image |
| 【学科专业】 | 信息与通信工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-14 |
| 【中关键词】 | 高光谱图像,特征提取选择,小波变换,吸收峰,波段选择, |
| 【英关键词】 | hyperspectral image,feature extraction and selection techniques,wavelet transformation,absorption,band selection, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感图像的解译、识别与处理>图像处理方法> |
| 【论文摘要】 |
高光谱图像具有图谱合一的特点,是近期国内外发展起来的新的遥感技术。与多光谱图像相比,高光谱图像光谱波段数目多、光谱分辨率高、波段宽度窄,能够以较高的可信度区分和辨识地物目标。但是,高光谱图像的这些优点是以其较高的数据维数和较大的数据量为代价的,且高光谱图像波段间相关性较高,造成了信息的冗余。目标识别和分类等图像处理并不一定需要全部的波段来进行,因此对高光谱图像进行数据降维是十分必要的。论文针对高光谱图像的这一特点,从特征提取和特征选择两个方面来研究数据降维的方法。
论文首先介绍了高光谱图像的基本概念和物理原理,同时介绍了特征提取和特征选择技术的基本概念及研究现状,以及分类和目标检测等相关技术,然后分析了高光谱图像的特性,包括它的数据表示方式,信息获取以及三个显著特点。
高光谱分辨率遥感数据以其丰富的光谱信息使得其分析处理集中于光谱维上进行图像信息的展开和定量分析。在前面的基础上,论文分别从基于小波变换以及基于光谱吸收特征两个方面来研究特征提取方法。小波分析理论近年来在图像处理各个领域得到了广泛的应用。在时域分析方法中,小波变换是近年来迅速发展起来的一种新的工具,在时域和频域上同时具有... |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
Abstract |
6-11 |
|
第1章 绪论 |
11-22 |
|
1.1 课题背景和来源 |
11-13 |
|
1.1.1 高光谱遥感的基本概念 |
11-12 |
|
1.1.2 高光谱遥感的物理原理 |
12-13 |
|
1.1.3 课题来源 |
13 |
|
1.2 课题的研究目的与意义 |
13-14 |
|
1.3 高光谱图像的分类与目标检测技术 |
14-17 |
|
1.3.1 地物分类 |
14-16 |
|
1.3.2 目标检测 |
16-17 |
|
1.4 高光谱图像特征选择、提取以及研究现状 |
17-20 |
|
1.4.1 特征选择 |
17-18 |
|
1.4.2 特征提取 |
18-20 |
|
1.5 课题的研究内容及结构安排 |
20-22 |
|
1.5.1 研究内容 |
20-21 |
|
1.5.2 结构安排 |
21-22 |
|
第2章 高光谱图像的数据表示方式及特性分析 |
22-29 |
|
2.1 引言 |
22 |
|
2.2 高光谱图像数据的表示方式 |
22-23 |
|
2.3 基于特征空间的信息获取 |
23-24 |
|
2.4 高光谱图像特性分析 |
24-28 |
|
2.4.1 高光谱分辨率特性 |
24-25 |
|
2.4.2 波段间的相关特性 |
25-27 |
|
2.4.3 特征空间数据分布的奇异性 |
27-28 |
|
2.5 本章小结 |
28-29 |
|
第3章 基于小波变换的特征提取 |
29-42 |
|
3.1 引言 |
29 |
|
3.2 小波变换基本理论 |
29-34 |
|
3.2.1 小波基本特征 |
29-30 |
|
3.2.2 连续小波变换 |
30-32 |
|
3.2.3 离散小波变换、小波分解与重构 |
32-33 |
|
3.2.4 两种用到的小波基函数 |
33-34 |
|
3.3 小波变换特征提取在目标识别中的应用 |
34-41 |
|
3.3.1 Fisher线性判别 |
35-37 |
|
3.3.2 算法概述 |
37-39 |
|
3.3.3 仿真试验及结果分析 |
39-41 |
|
3.4 本章小结 |
41-42 |
|
第4章 基于光谱吸收特征的特征提取 |
42-52 |
|
4.1 引言 |
42 |
|
4.2 光谱模型数据分析方法 |
42-46 |
|
4.2.1 光谱微分方法 |
42-43 |
|
4.2.2 光谱匹配方法 |
43-44 |
|
4.2.3 光谱吸收特征参数提取方法 |
44-46 |
|
4.3 光谱吸收特征参数提取方法在目标识别中的应用 |
46-51 |
|
4.3.1 算法概述 |
46-48 |
|
4.3.2 仿真试验及结果分析 |
48-51 |
|
4.4 本章小结 |
51-52 |
|
第5章 用于分类的波段选择方法研究 |
52-67 |
|
5.1 引言 |
52 |
|
5.2 波段选择 |
52-61 |
|
5.2.1 搜索方法 |
53-55 |
|
5.2.2 信息量度量 |
55-56 |
|
5.2.3 类别可分性度量 |
56-61 |
|
5.3 波段选择算法在分类中的应用 |
61-66 |
|
5.3.1 分类器的选择 |
61-62 |
|
5.3.2 搜索算法的选择 |
62-63 |
|
5.3.3 仿真试验及结果分析 |
63-66 |
|
5.4 本章小结 |
66-67 |
|
结论 |
67-68 |
|
参考文献 |
68-73 |
|
哈尔滨工业大学硕士学位论文原创性声明 |
73 |
|
哈尔滨工业大学硕士学位论文使用授权书 |
73 |
|
哈尔滨工业大学硕士学位涉密论文管理 |
73-75 |
|
致谢 |
75 |
|
| 【DOI】 | LunWen.ID:2.2008.389436 |
