基于集成學(xué)習(xí)的高光譜遙感圖像分類(lèi).pdf

1、學(xué)校代碼：10385分類(lèi)號(hào)：研究生學(xué)號(hào)：1300220002密級(jí)：基于集成學(xué)習(xí)基于集成學(xué)習(xí)的高光譜遙感高光譜遙感圖像圖像分類(lèi)分類(lèi)Hyperspectralremotesensingimageclassificationbasedonensemblelearning。作者姓名：施心源施心源指導(dǎo)教師：陳鍛生陳鍛生教授教授學(xué)科：計(jì)算機(jī)科學(xué)與技術(shù)計(jì)算機(jī)科學(xué)與技術(shù)研究方向：遙感圖像處理遙感圖像處理所在學(xué)院：計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院

2、論文提交日期：二零一六二零一六年六月一日摘要摘要高光譜遙感是當(dāng)前遙感技術(shù)的一個(gè)前沿領(lǐng)域，高光譜遙感圖像同時(shí)具有地物的空間信息和光譜信息，是一種高維數(shù)據(jù)圖像，為地物的精確處理分析提供了可能。但是，隨著高光譜遙感采集技術(shù)的發(fā)展，高光譜圖像的光譜維度、空間分辨率越來(lái)越高，且信息冗余度高，常規(guī)的圖像分類(lèi)技術(shù)在處理高光譜圖像時(shí)具有較大的局限性。集成學(xué)習(xí)使用多個(gè)學(xué)習(xí)機(jī)來(lái)解決同一問(wèn)題，可以融合多種不同的分類(lèi)技術(shù)，能顯著的提高分類(lèi)系統(tǒng)的準(zhǔn)確性和穩(wěn)定性。

3、本文從高光譜圖像數(shù)據(jù)的特點(diǎn)入手，對(duì)現(xiàn)有的分類(lèi)算法進(jìn)行分析的基礎(chǔ)上，結(jié)合集成學(xué)習(xí)的理論基礎(chǔ)，將集成學(xué)習(xí)使用到高光譜圖像的分類(lèi)中。論文的主要研究工作如下：1）詳細(xì)研究了目前幾種流行的集成學(xué)習(xí)系統(tǒng)，結(jié)合主成分分析、最小噪聲分離的特征提取算法，實(shí)驗(yàn)比較它們之間的特性，研究表明，旋轉(zhuǎn)森林在高光譜圖像分類(lèi)中的性能優(yōu)于常規(guī)的集成學(xué)習(xí)算法（Bagging等）。2）在研究特征提取算法時(shí)將KOPLS特征引入高光譜圖像分類(lèi)中，通過(guò)實(shí)驗(yàn)證明該特征在高光譜圖像分