当前位置:首页 > 工业技术
高光谱遥感数据降维与分类
高光谱遥感数据降维与分类

高光谱遥感数据降维与分类PDF电子书下载

工业技术

  • 电子书积分:8 积分如何计算积分?
  • 作 者:姜鑫维,李程俊,刘然著
  • 出 版 社:武汉:中国地质大学出版社
  • 出版年份:2016
  • ISBN:9787562539643
  • 页数:105 页
图书介绍:遥感技术兴起于20世纪60年代,它能从不同高度大范围、快速和多谱段地对地物进行探测,遥感技术的发展大大推动了人类的进步。区别与其他遥感技术的高光谱遥感是利用很多很窄的电磁波波段从感兴趣的物体中获取许多连续并且窄的光谱曲线的一种探测技术。高光谱遥感的概念始于20世纪80年代中期,目前在矿物鉴定和地面植被检测等领域得到了成功的应用。高光谱遥感将图像和光谱信息相对融洽的结合在一起,具有“图谱合一”的特性,同时包含大量的数据,显示出巨大的利用潜力,所以迫切的需要新的处理方法,因此高光谱遥感图像自动分类技术应运而生,该技术可以比普通图像分类技术更为精准地识别地表物质的类别信息,在城镇土地规划、管理和精细农业等方面有重要应用。但是,在高光谱遥感图像的分类过程中也面临一些问题:高光谱遥感数据的快速增长,导致对图像进行标注需要大量的人力物力,因此作为训练的标注数据常常非常有限;在进行地物分类过程中,某些类别对应的特征不够显著会造成后续分类器精度的降低;当训练样本有限时,分类器最终给出的总体分类精度会随着特征维数的增加而降低,即“维数灾难”问题。针对以上问题,本书综述了目前面向高光谱遥感图像分类的数据降
《高光谱遥感数据降维与分类》目录

1绪论 1

1.1 高光谱遥感技术简介 1

1.1.1 遥感技术 1

1.1.2 遥感数字图像处理 1

1.1.3 高光谱遥感的发展 1

1.1.4 高光谱遥感图像数据的特点 2

1.2 高光谱数据降维发展综述 4

1.3 高光谱数据分类发展综述 7

1.4 研究内容 9

1.5 框架安排 10

2高光谱图像分类 11

2.1 高光谱图像分类的流程 11

2.1.1 数据预处理 12

2.1.2 标记训练样本 12

2.1.3 特征提取与特征选择(降维) 12

2.1.4 分类识别 13

2.1.5 精度评价 13

2.2 高光谱遥感图像分类方法 14

2.2.1 无监督分类方法 14

2.2.2 有监督分类方法 15

2.2.3 适合于高光谱图像分类的算法 21

3高维数据降维技术 23

3.1 无监督降维技术 24

3.1.1 基于谱方法的无监督降维方法 24

3.1.2 基于隐变量模型的无监督降维方法 29

3.2 有监督降维技术 33

3.2.1 基于谱方法的有监督降维方法 34

3.2.2 基于隐变量模型的有监督降维方法 37

4基于降维的高光谱图像分类 41

4.1 面向高光谱数据的降维模型 41

4.1.1 基于光谱特征的降维模型 41

4.1.2 基于空间特征的降维模型 42

4.1.3 两种降维策略 42

4.2 实验设计 43

4.2.1 实验设计 43

4.2.2 数据集介绍 45

4.3 实验结果与分析 47

4.3.1 基于光谱特征的降维与分类 47

4.3.2 基于光谱特征的降维与分类实验结果分析 65

4.3.3 基于空间特征的降维与分类 67

4.3.4 基于空间特征的降维与分类实验结果分析 75

5基于有监督降维算法的高光谱图像分类 76

5.1 有监督隐线性高斯过程隐变量降维模型 76

5.1.1 模型表示 76

5.1.2 算法推导 78

5.1.3 算法分析 82

5.1.4 算法可视化验证 83

5.2 面向有监督降维的非参数指导的自编码机模型 84

5.2.1 模型表示 84

5.2.2 算法推导 87

5.2.3 算法分析 88

5.2.4 算法可视化验证 88

5.3 基于有监督降维模型的高光谱遥感图像分类 89

5.3.1 实验设计 89

5.3.2 数据集介绍 89

5.3.3 基于光谱特征的降维与分类 93

6总结与展望 98

6.1 总结 98

6.2 展望 98

主要参考文献 100

致谢 105

返回顶部