学位论文 > 优秀研究生学位论文题录展示

基于多核学习的高光谱图像目标解译技术研究

作 者: 王晨
导 师: 谷延锋
学 校: 哈尔滨工业大学
专 业: 信息与通信工程
关键词: 高光谱图像 目标解译 核方法 多核学习 L2范数
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 107次
引 用: 0次
阅 读: 论文下载
 

内容摘要


高光谱图像因其精细的光谱辨别能力而受到广泛地关注,被用来对感兴趣地物的表面特性进行感知和识别。高光谱图像的特点对目标解译技术提出了严峻的挑战,很多问题至今仍未能得到很好的解决。本文旨在从类别辨别的歧义性入手,研究多核学习方法及其在目标解译中的应用,以提高解译精度和处理效率为目的,推动核方法在高光谱图像处理中的发展。本文的工作内容主要是研究以核机器学习理论为基础的高光谱图像信息挖掘和解译技术,具体包括以下三个方面:首先,本文详细阐述了高光谱图像数据的特点,重点分析了这些特点的优势和劣势,特别是对目标解译的影响,从机器学习的角度解释了这些特点会增加目标辨别的歧义性,降低解译精确度。接着,针对这些特点,研究了典型的单核学习方法及改进的加权核方法。指出了这些方法在类内、类间挖掘信息的局限性,论证了从单核模式感知到多核信息融合的必然发展趋势。然后,研究了多核学习的基本理论框架,针对现有方法的不足,本文提出用多尺度核相似性度量对多核学习进行合理地解释。以此为基础,提出了一种基于L2范数约束的多核相似性度量集成方法L2MKL,用以求解多核学习问题。通过高光谱图像精细分类的实验,证明L2MKL方法在分类精度和计算效率方面具有出色的性能,特别是避免了核尺度的优选问题。而且在处理小样本分类时,L2MKL方法的优势明显。最后,我们将多尺度核相似性度量推广到了更多的目标解译应用中。第一,研究了混合核方法,在核结构层面上进行空谱特征的融合分类,并嵌入多核相似性度量,在多尺度下挖掘空谱特征所包含的辨别性信息,同时提高分类器在图像和光谱空间中的泛化能力。第二,研究了基于图拉普拉斯的半监督学习方法,并构造基于多尺度图相似性度量的半监督分类器,改善了半监督决策函数的平滑性,提高了对有限先验知识的挖掘能力。第三,研究了基于支持向量数据描述的目标识别方法,通过引入多核映射,弥补了单核度量在决策紧致性和泛化性上的不足。这些多核嵌入的解译技术都在真实图像上获得了有效的结果。

全文目录


摘要  4-5
ABSTRACT  5-9
第1章 绪论  9-21
  1.1 课题的背景及来源  9-11
  1.2 课题研究的目的和意义  11-13
  1.3 基于核机器学习的高光谱目标解译技术发展综述  13-19
    1.3.1 高光谱遥感成像技术的发展  13-16
    1.3.2 基于核机器学习的高光谱图像目标解译文献综述  16-19
  1.4 本文的主要研究内容  19-21
第2章 高光谱图像目标解译中的核机器学习方法  21-33
  2.1 引言  21
  2.2 高光谱图像的特点与目标解译的困难  21-26
    2.2.1 高光谱成像机理  21-22
    2.2.2 高光谱图像特点与目标解译歧义性  22-26
  2.3 单核学习机器  26-29
    2.3.1 核方法概述  26-27
    2.3.2 支持向量机  27-29
  2.4 加权核方法  29-31
  2.5 多核学习的统一理论框架  31-32
  2.6 本章小结  32-33
第3章 高光谱图像精细分类的多尺度多核学习方法  33-53
  3.1 引言  33
  3.2 基于迭代优化的多核学习SIMPLEMKL  33-34
  3.3 核相似性度量的多尺度特性  34-38
  3.4 L2 范数约束多尺度多核学习  38-39
  3.5 仿真实验  39-51
    3.5.1 实验数据源简介  40-41
    3.5.2 实验设置  41-43
    3.5.3 实验结果和讨论  43-51
  3.6 本章小结  51-53
第4章 多核嵌入的高光谱图像目标解译应用  53-66
  4.1 引言  53
  4.2 空谱混合多核学习高光谱图像目标分类  53-55
  4.3 半监督多核学习高光谱图像目标分类  55-58
  4.4 多核学习高光谱图像目标识别  58-59
  4.5 仿真实验  59-65
    4.5.1 空谱混合目标分类实验  59-61
    4.5.2 半监督目标分类实验  61-63
    4.5.3 目标识别实验  63-65
  4.6 本章小结  65-66
结论  66-68
参考文献  68-74
攻读硕士学位期间发表的论文及其它成果  74-76
致谢  76

相似论文

  1. 高光谱图像空—谱协同超分辨处理研究,TN911.73
  2. 基于感兴趣信息的高光谱图像压缩技术研究,TP391.41
  3. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  4. 基于核方法的高光谱图像异常检测算法研究,TP751
  5. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
  6. 基于多核学习的高性能核分类方法研究,TP391.41
  7. 核自适应滤波算法的研究,TN713
  8. 高/多光谱图像混合像元解混研究,TP751
  9. 基于广义组合多核高斯函数的图像分类方法研究,TP391.41
  10. 高光谱遥感图像融合技术与质量评价方法研究,TP751
  11. 基于矢量量化的高光谱图像无损压缩算法研究,TP751.1
  12. 基于三维光谱模型的高光谱图像压缩方法的研究,TP751.1
  13. 支持向量机的核方法及其多核聚类算法的研究,TP18
  14. 基于子空间方法的人脸识别技术研究,TP391.41
  15. 人耳及人脸融合的多模态身份识别,TP391.41
  16. 基于分块和核参数选择的KPCA研究,TP391.41
  17. 基于数据源优化的高光谱图像异常检测算法研究,TP751.1
  18. 基于MAP的高光谱图像超分辨率方法研究,TP391.41
  19. 高光谱遥感图像分割算法研究,TP751
  20. 基于加权多宽度高斯核函数的支持向量机聚类算法研究,TP18
  21. 核鉴别分析方法研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com