基于高光譜圖像的特征提取-選擇及其應(yīng)用的研究.pdf

1、高光譜圖像具有圖譜合一的特點，是近期國內(nèi)外發(fā)展起來的新的遙感技術(shù)。與多光譜圖像相比，高光譜圖像光譜波段數(shù)目多、光譜分辨率高、波段寬度窄，能夠以較高的可信度區(qū)分和辨識地物目標(biāo)。但是，高光譜圖像的這些優(yōu)點是以其較高的數(shù)據(jù)維數(shù)和較大的數(shù)據(jù)量為代價的，且高光譜圖像波段間相關(guān)性較高，造成了信息的冗余。目標(biāo)識別和分類等圖像處理并不一定需要全部的波段來進行，因此對高光譜圖像進行數(shù)據(jù)降維是十分必要的。論文針對高光譜圖像的這一特點，從特征提取和特征選擇兩

2、個方面來研究數(shù)據(jù)降維的方法。
　　論文首先介紹了高光譜圖像的基本概念和物理原理，同時介紹了特征提取和特征選擇技術(shù)的基本概念及研究現(xiàn)狀，以及分類和目標(biāo)檢測等相關(guān)技術(shù)，然后分析了高光譜圖像的特性，包括它的數(shù)據(jù)表示方式，信息獲取以及三個顯著特點。
　　高光譜分辨率遙感數(shù)據(jù)以其豐富的光譜信息使得其分析處理集中于光譜維上進行圖像信息的展開和定量分析。在前面的基礎(chǔ)上，論文分別從基于小波變換以及基于光譜吸收特征兩個方面來研究特征提取方法。

3、小波分析理論近年來在圖像處理各個領(lǐng)域得到了廣泛的應(yīng)用。在時域分析方法中，小波變換是近年來迅速發(fā)展起來的一種新的工具，在時域和頻域上同時具有良好的局部化特性，是一種比較理想的光譜特征提取方法。論文重點研究了一維小波分解，用得到的局部特征來進行目標(biāo)識別。吸收峰波段參數(shù)例如波長位置、深度、寬度、斜率、對稱度、面積等常常被用來定量的估計高光譜樣本的組成，因此光譜的吸收峰是高光譜識別分類應(yīng)用中很重要的特征波段，論文通過包絡(luò)線去除這種很有效的光譜分

4、析工具提取出了實際的高光譜圖像的地物光譜的吸收峰參數(shù)。然后將兩部分分別進行仿真試驗，并將得到的實驗結(jié)果應(yīng)用于目標(biāo)識別。
　　此外，在最后一章，論文從特征選擇的角度來研究高光譜圖像降維，特征選擇包括搜索算法和準(zhǔn)則函數(shù)，其中準(zhǔn)則函數(shù)又分為基于信息量度量和基于類間可分性度量，由于高光譜圖像的數(shù)據(jù)量大，基于信息量度量的方法計算量大、耗時，因此論文從基于類間可分性的波段選擇出發(fā)，提出了一種新的搜索方法——最速上升搜索算法，通過分別計算不同波