發(fā)布時間：2020-04-02 10:24

【摘要】：高光譜圖像中的光譜信息相對其他圖像中的形狀學信息更易于提高識別的準確率,因此高光譜遙感技術(shù)在地物及目標識別中引發(fā)了一系列的研究,并在眾多領(lǐng)域得到了廣泛的應用。然而由于地物分布往往多樣復雜,高光譜圖像在獲取過程中會受到地物反射和大氣傳輸?shù)容^多因素的影響,這會導致圖像中存在一些畸變波段,其影像數(shù)據(jù)也會有輻射量失真。這種現(xiàn)象給高光譜圖像在地物分類和目標識別過程中帶來了一定的困難。本文針對以上問題,對高光譜圖像中地物分類算法以及目標識別算法進行研究,主要工作包括以下幾部分:1、研究了高光譜圖像的數(shù)據(jù)特點,對高光譜分類的原理進行了介紹,在此基礎(chǔ)上,總結(jié)了現(xiàn)有分類算法的優(yōu)缺點,從而找出更具優(yōu)勢的經(jīng)典分類算法,并在后續(xù)研究中對其進行改進。目標識別可以看作一種二分類問題,因此在分類技術(shù)的基礎(chǔ)上對目標識別的原理和算法進行了研究,根據(jù)是否已知背景和目標信息,詳細介紹了幾種經(jīng)典的識別算法,并應用于后續(xù)的對比實驗。2、針對實際環(huán)境中地物種類多樣、復雜,直接對高光譜圖像進行分類會導致錯分概率較高這一問題,研究了鄰域信息對中心像元的影響,提出了一種新的基于稀疏特性和鄰域相似度量的分類算法(WJSRC)。在待測像元鄰域內(nèi)的所有像元中,選擇與待測像元相似性高的像元,構(gòu)建最優(yōu)鄰域窗口,根據(jù)最小殘差準則確定待測中心像元的類別。相比于經(jīng)典算法,WJSRC能夠較好地提高高光譜圖像的分類精度,且在不同的實驗數(shù)據(jù)下具備良好的穩(wěn)定性,進一步驗證了鄰域相似度及空譜結(jié)合在聯(lián)合稀疏表示分類的必要性。3、針對高光譜遙感圖像中的低概率出露目標常以混合像元的形式存在于背景中,且其信號特征微弱等問題,提出了一種新的目標識別算法。對幾種核函數(shù)進行研究構(gòu)建了指數(shù)型高斯核函數(shù)并將其作為權(quán)重因子用于自相關(guān)矩陣的計算,通過構(gòu)建平衡因子將RX算子與CEM算子相結(jié)合,提出了一種新的識別算法。通過分析權(quán)重因子與平衡因子,找出性能更優(yōu)的參數(shù),使算法能更好地抑制背景和異常干擾,在保證低虛警率的情況下大幅度提高了檢出率,利用兩幅不同環(huán)境下的高光譜圖像進行實驗,驗證了算法的通用性與穩(wěn)定性。通過將極值與自動子空間劃分相結(jié)合對數(shù)據(jù)降維并應用于BKCEM算法中(EBKCEM),在保證準確度不變的同時較好地改善了時間耗時的問題。與經(jīng)典的識別算法相比,EBKCEM算法顯著提升了算法識別的準確度和效率,在機動目標的識別中展示了良好的效果。
【圖文】：

2.5水體圖2.2 高光譜圖像數(shù)據(jù)描述模型2.1.2 高光譜圖像分析與應用信息獲取是空中或空間對地觀測的根本目標或核心任務(wù)。信息蘊含于數(shù)據(jù)，對高光譜遙感而言信息即蘊含于高光譜圖像。因此，高光譜圖像分析與應用必然是達成信息獲取的主要途徑，這一點與傳統(tǒng)的全色和多光譜遙感尚無本質(zhì)區(qū)別。問題在于，高光譜遙感數(shù)據(jù)在增大地物信息獲取潛力的同時，也給信息獲取手段即圖像分析與應用帶來了困難。反過來看，這也意味著，高光譜圖像處理與分析是制約著高光譜遙感應用的重要瓶頸。地物光譜特征分析高光譜成像原理遙感物理學基礎(chǔ)傳感器定標 數(shù)據(jù)降維 高光譜圖像目標檢測高光譜遙感的軍民應用幾何校正輻射校正反射率反演圖像壓縮與解壓縮光譜特征提取端元提取光譜解混高光譜圖像地物分類基于光譜特征的地物識別光譜的獲取高光譜圖像預處理特征提取與解混數(shù)據(jù)處理技術(shù)應用圖2.3 高光譜遙感應用的基本流程高光譜遙感數(shù)據(jù)最大的特點就是可以將空間維與光譜維的信息融合到一起，不僅

Pavia University，圖像大小為610 340像素，其波段相對較少，共有 115 個波段。(a) Indian Pines 高光譜影像 (b) Pavia University 高光譜影像圖3.2 高光譜影像圖IndianPines 高光譜遙感數(shù)據(jù)集：該數(shù)據(jù)集包含 16 個地面真理類，如表 3.1 所示。由于高光譜圖像在獲取過程中會受到地物反射和大氣傳輸?shù)容^多因素的影響，會使圖像中的波段有輻射量失真，這就導致了低信噪比波段和殘損波段的存在，因此在后續(xù)實驗中考慮將這些殘損波段剔除，，僅使用剩下的 200 個波段。對于每一類，隨機性選取所有像元中的 10%訓練，并使用余下的 90%進行測試。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751

【相似文獻】

相關(guān)期刊論文 前10條

1 隋雪蓮;張濤;曲喬新;;深度學習在遙感影像目標識別與定位中的應用研究[J];科技創(chuàng)新與應用;2019年34期

2 王泓淼;張潔;雷建勝;趙恩偉;王森;;基于微服務(wù)的空天協(xié)同目標識別與監(jiān)視系統(tǒng)設(shè)計與實現(xiàn)[J];軟件;2019年11期

3 郭桂蓉,陳學敏;艦船目標識別的研究現(xiàn)狀和技術(shù)途徑[J];系統(tǒng)工程與電子技術(shù);1988年01期

4 牛曉燕;;目標識別的人工智能方法[J];飛航導彈;1988年08期

5 Buser Robde Nomiyama;譚顯裕;;用于測距和目標識別的短脈沖CO_2激光器[J];應用光學;1988年03期

6 黃為倬;;目標識別和逆合成口徑雷達[J];現(xiàn)代雷達;1988年06期

7 劉伯勝;目標瞬態(tài)回波極點提取研究[J];哈爾濱船舶工程學院學報;1989年01期

8 姜殿元;;“鋪路便士”目標識別裝置AN/ASS-35(V)[J];飛航導彈;1989年03期

9 程啟東;;遠距離目標識別[J];航空兵器;1989年03期

10 劉侃;;采用毫米波和紅外傳感器進行防區(qū)外目標識別[J];飛航導彈;1989年01期

相關(guān)會議論文 前10條

1 黃擎;曾向陽;;水下目標識別中的通道影響及其抑制方法[A];2019年全國聲學大會論文集[C];2019年

2 王加;紀伯公;;多傳感器信息融合技術(shù)在空中目標識別中的應用研究[A];第八屆全國信號和智能信息處理與應用學術(shù)會議會刊[C];2014年

3 王宇;鐘秋海;;用統(tǒng)計模式識別方法建立海上目標識別的數(shù)學模型[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

4 李正東;陳興無;宋琛;何武良;;多傳感器的目標識別[A];中國工程物理研究院科技年報（1999）[C];1999年

5 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚雷目標識別[A];第十四屆全國信號處理學術(shù)年會(CCSP-2009)論文集[C];2009年

6 俞鴻波;趙榮椿;;三維空間目標識別概述[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學術(shù)會議論文集[C];2002年

7 姚志軍;韓秋蕾;;一種新的基于少量樣本的目標識別與分割方法[A];第九屆全國信息獲取與處理學術(shù)會議論文集Ⅱ[C];2011年

8 陳娟;;基于多傳感器融合的天基空間目標識別技術(shù)[A];第二屆中國空天安全會議論文集[C];2017年

9 楊宏暉;李江濤;甘安琴;姚曉輝;;用于水下目標識別的無監(jiān)督譜特征選擇算法[A];2016年中國造船工程學會水中目標特性學組學術(shù)交流會論文集[C];2016年

10 徐婷;郭良浩;;一種水聲目標識別的低頻特征信息處理技術(shù)[A];中國聲學學會2017年全國聲學學術(shù)會議論文集[C];2017年

相關(guān)重要報紙文章 前7條

1 ;具備車輛緝查布控、目標識別等功能[N];人民公安報;2016年

2 陳德潮邋曹金平 劉劍;水下戰(zhàn)場的開路先鋒[N];人民日報;2008年

3 本報記者 趙晨 張一迪;AI戰(zhàn)“疫”已經(jīng)打響[N];中國電子報;2020年

4 記者 代宗鋒;我國海軍第二十、二十一批護航編隊完成任務(wù)交接[N];解放軍報;2015年

5 邱霞;目標永不消失[N];中國航天報;2003年

6 陳德潮邋曹金平 劉劍;探路水下戰(zhàn)場,“水中幽靈”因他有魂[N];新華每日電訊;2007年

7 王學智　彭振華;聯(lián)合空地防區(qū)外打擊[N];解放軍報;2002年

相關(guān)博士學位論文 前10條

1 杜川;基于深度生成網(wǎng)絡(luò)的特征學習方法[D];西安電子科技大學;2019年

2 杜瑞;基于雷達系統(tǒng)的路面目標識別關(guān)鍵技術(shù)研究[D];西北工業(yè)大學;2018年

3 黃飛;紅外偏振探測關(guān)鍵技術(shù)研究[D];中國科學院大學(中國科學院上海技術(shù)物理研究所);2018年

4 周偉;基于局部表面特征描述符的復雜場景下三維目標識別研究[D];中國科學院大學(中國科學院西安光學精密機械研究所);2018年

5 蔡兆暉;基于重構(gòu)高分辨距離像的雷達目標識別研究[D];西安電子科技大學;2018年

6 鐘劍丹;光電成像目標識別與檢測關(guān)鍵技術(shù)研究[D];電子科技大學;2018年

7 李捷;面向目標識別的機載多傳感器數(shù)據(jù)融合技術(shù)研究[D];電子科技大學;2018年

8 李龍;基于高分辨距離像的雷達地面目標識別技術(shù)[D];西安電子科技大學;2018年

9 張銳;雷達目標識別與超分辨成像方法研究[D];西安電子科技大學;2018年

10 李彥鵬;自動目標識別效果評估[D];國防科學技術(shù)大學;2004年

相關(guān)碩士學位論文 前10條

1 宋佳蓉;基于深度學習的無人小車目標識別研究[D];南京航空航天大學;2019年

2 劉力冉;基于深度學習的目標識別和序列圖像三維重建技術(shù)研究[D];南京航空航天大學;2019年

3 郭斌;面向光學遙感圖像艦船目標識別的遷移學習方法研究[D];哈爾濱工業(yè)大學;2019年

4 王瑤;基于視覺的無人機目標識別及跟蹤[D];哈爾濱工業(yè)大學;2019年

5 朱其姣;基于深度學習的RCS角度外推與目標識別研究[D];哈爾濱工業(yè)大學;2019年

6 何敏雅;基于Zynq平臺的水下目標識別關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學;2018年

7 亢朋朋;基于JEM特征的雷達飛機目標識別[D];中國電子科技集團公司電子科學研究院;2019年

8 程興;基于無人機的地面目標識別與跟蹤[D];哈爾濱工業(yè)大學;2019年

9 郭洋;基于深度學習的聲目標識別技術(shù)研究[D];重慶郵電大學;2019年

10 王德培;無人機物體識別和追蹤[D];廣東工業(yè)大學;2019年

本文編號：2611824