2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩64頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、高光譜遙感技術(shù)在遙感科學中占有十分重要的地位,是現(xiàn)代遙感科學發(fā)展的前沿領(lǐng)域。它利用成百上千的波長范圍從可見光到紅外線的電磁波波段從我們感興趣的物體中獲取有用的信息。高光譜圖像中的每一個像素點可以表示為一個光譜維向量,構(gòu)成這個向量的的各個分量與高光譜圖像的各個波段相對應。不同的地物通常對相同波長電磁波的反射存在差異,這樣就可以利用豐富的光譜信息對不同的地物加以區(qū)分。高光譜遙感系統(tǒng)已經(jīng)在農(nóng)業(yè)、軍事和礦物學等諸多領(lǐng)域得到了廣泛的應用。相較于傳

2、統(tǒng)的多光譜遙感圖像而言,高光譜遙感圖像在光譜分辨率方面有了很大提高,承載地物信息量非常大,這很大程度上提高了其在地物類別方面的區(qū)分能力,可以對地物的光譜信息進行精確分析與處理。但是高光譜圖像具有的波段數(shù)目一般很大,導致其數(shù)據(jù)維度較高且圖像中往往混有不同程度噪聲。如何從高光譜數(shù)據(jù)繁雜的信息中準確快速地挖掘出對分類有利的特征信息,提高圖像的分類精度,仍是一個棘手的問題。現(xiàn)有的大部分高光譜分類模型都只考慮了光譜信息,而沒有對圖像的空間信息加以

3、利用。本文在現(xiàn)有算法分析的基礎(chǔ)上,以提高圖像分類精度為出發(fā)點,充分利用高光譜數(shù)據(jù)的特征,對高光譜圖像的分類算法進行了深入研究。
  本文提出了一種結(jié)合上下文信息的高光譜圖像聯(lián)合稀疏分類模型。由于高光譜圖像中一個圖像塊包含的光譜向量通常都具有很高的相關(guān)性,如果把這個圖像塊展開成一個矩陣,這個矩陣就存在一個潛在的低秩結(jié)構(gòu),可以采用低秩分解將它分解為一個低秩矩陣、稀疏矩陣與噪聲矩陣的和。通過分析分解后得到的低秩矩陣,就可以找到與中心像素

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論