本站首页  |  社情一览  |  书海遨游  |  投稿须知  |  新闻动态  |  服务中心  |  联系我们
 高光谱遥感数据降维与分类
ISBN:978-7-5625-3964-3 作者:姜鑫维 李程俊 刘然 等 著
责任编辑:王敏 王凤林 印次:1版1次
开本:16k 字数:186千字
出版日期:2016-12-01 定价:30.00
高光谱遥感图像分类技术可以实现比普通图像分类技术更精准的识别地表物质的类别信息,在城镇上地规划、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和物力,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。综合以上问题,在前两个问题无法有效解决的情况下,我们致力于研究“维数灾难”问题,针对高光谱数据的特点基于降维模型进行特征提取,通过学习表达能力强的低维特征来提高高光谱遥感图像分类模型的精度。
    尽管国内外研究者针对上述问题已有很多相关研究,提出了很多基于降维模型的高光谱
数据处理模型,但尚未找到一本专著能够全面地从降维模型的角度去综合分析对比不同的降
维模型对高光谱遥感图像分类的影响。高光谱遥感图像信息量丰富,每个像素点不仅存在光
谱特征信息,而且还包含空间特征信息,因此,针对高光谱数据的上述特点,本书不仅考虑对光谱特征进行降维,更进一步考虑对空间特征进行降维。
    针对基于降维的高光谱遥感图像分类,本书主要的内容包括:
    (1)综述了高光谱遥感图像分类的流程,对每个流程的具体内容和其中的典型模型进行简述和回顾。
    (2)综述了一些常见的高维数据降维算法,并从线性降维和非线性降维、有监督降维和无监督降维的角度对典型的降维算法进行了简述和回顾。
    (3)分别基于高光谱数据的谱间相关性和空间相关性对地物进行分类,将典型的线性和非线性降维算法应用于高光谱图像分类,并对这些常用的降维算法在高光谱图像分类问题上进行了分析和对比。实验部分选取3个高光谱图像样本集,采用两种降维方式,即直接将所有数据降维、采用样本外点的计算和估计函数的降维,选择了13个降维算法,分类算法选择的是是最近邻算法,主要以总体分类精度为评价标准,完成参数是与总体分类精度的对比曲线图和维度与总体分类精度的对比曲线图,统计每个降维算法对测试样本进行降维、分类所需的时间,绘制测试样本的真实地物分割图,对比降维算法的效果,得出13个降维算法的特点。
    (4)介绍近期提出的两个新的有监督降维算法,并应用于高光谱遥感图像分类任务中,在7个高光谱遥感图像分类数据集上的实验显示,这两个新提出的降维模型非常适宜于高光谱遥感图像降维任务,在实验中显示出了卓越的性能。
(5)最后对内容进行总结,进一步展望今后的研究计划
1 绪论
2 高光谱图像分类
3 高维数据降维技术
4 基于降维的高光谱图像分类
5 基于有监督降维算法的高光谱图像分类
6 总结与展望
主要参考文献
致谢
地址:湖北省武汉市洪山区鲁磨路388号  邮政编码:430074  办公室联系方式:027-67884137 027-67883457(传真)  电子邮箱:cbb@cug.edu.cn
CopyRight © 中国地质大学出版社有限责任公司