畢業論文

打賞
當前位置: 畢業論文 > 計算機論文 >

基于高光譜圖像的地物分類算法+源代碼

時間:2019-06-01 22:06來源:畢業論文
介紹了一種新的高光譜圖像特征提取的算法。該方法將空間和光譜特征進行融合,與以往的方法不同,用矩陣表示融合后的數據。然后,采用基于矩陣的線性判別分析減少數據冗余

摘要:目前,對高光譜圖像分類的研究已經不局限于使用其光譜特征。將空間特征和光譜特征融合的方法已經被公認為一種有效的方法。在以往的研究中一直將融合后的特征視為一維向量進行處理,來提取特征信息用于分類。在本文中介紹了一種新的高光譜圖像特征提取的算法。該方法將空間和光譜特征進行融合,與以往的方法不同,用矩陣表示融合后的數據。然后,采用基于矩陣的線性判別分析減少數據冗余。在文章的實驗部分通過與其他方法的對比來證明該方法是優于其他算法的。35905
畢業論文關鍵字:高光譜圖像;特征提取;空譜特征融合;數據降維
Ground-objects Classification Based on Hyperspectral Image
Abstract: At present, the research on hyperspectral image classification is not limited to using its spectral characteristics. The method that fusing spatial features and spectral features has been recognized as an effective method. In the past, the fusion feature has been treated as a one-dimensional vector to extract the feature information for classification. In this paper, a new hyperspectral image feature extraction method is proposed. The method is to fuse spatial and spectral characteristics, and use the matrix to represent the fused data, unlike previous methods. Then, matrix-based linear discriminant analysis is used to extract features. Finally, this paper designs an experiment to compare this method with other methods to prove that the method is superior.
Key words: hyperspectral image; feature extraction; space feature fusion; data dimensionality reduction
目錄
摘要    1
關鍵字    1
Abstract    1
Key words    1
1 緒論    1
1.1 應用背景    1 源Z自-六+維L論W文W網^www.aftnzs.live
1.2 研究現狀    1
1.3 本文內容及結構安排    2
2 高光譜圖像分類基礎    3
2.1 高光譜圖像簡述    3
2.2 常見的特征提取方法    3
2.2.1 主成分分析    3
2.2.2 線性判別分析(LDA)    5
2.2.3 多維縮放(MDS)    6
2.3 分類器    7
2.3.1 支持向量機    7
2.3.2 最近鄰分類器    8
2.4 分類結果評價標準    9
3 基于矩陣的空間-光譜特征融合的特征提取    9
3.1 空間-光譜的特征級融合    10
3.2 基于矩陣的特征子空間學習(MDA)    10
4 實驗    11
4.1 數據集介紹    11
4.2 實驗設置    13
4.3 實驗結果分析    13
4.3.1 Indian Pines數據集    13
4.3.2 Salinas scene數據集    14
4.3.3 肯尼迪航天中心(KSC)數據集    15
4.3.4 帕維亞大學場景(PUS)數據集    16
4.3.5 SalinasA scene數據集    16
4.3.6 MDA參數分析    19
5 總結    20
參考文獻    20
基于高光譜圖像的地物分類
1 緒論
1.1 應用背景
在城鎮化速度加快的大環境下,城鎮的空間結構也時刻發生改變。因為城鎮較大并且擴張速度加快,使人們監測城鎮變化的難度加大。并且人們還要對城市以及周邊的環境進行監測,對環境狀況進行評估,記錄土地流轉的過程。每年對城鎮化進行監測和評估給相關部門造成巨大的經濟負擔。與普通彩色圖像相比,高光譜圖像的信息量更大。所以用高光譜圖像做分類更有優勢。除此之外,它還能記錄高識別率的空間以及光譜信息。例如,ROSIS傳感器有115個光譜通道,空間分辨率為1.3m。所以,利用高光譜圖像對監測城鎮變化會有很好的成效。 基于高光譜圖像的地物分類算法+源代碼:http://www.aftnzs.live/jisuanjilunwen/20190601/34090.html
------分隔線----------------------------
推薦內容
双色球走势图带连线