论文简介：
毕业设计 基于高光谱遥感技术的图像处理方法的研究（61页，24154字）
摘要
随着数字信号处理技术、计算机技术以及通信技术的迅猛发展，遥感图像处理技术在军事、民用等领域发挥着越来越重要的作用。分类是将复杂的现象简化为少量的类别，是提取高光谱图像中有用信息的重要处理方法之一。
与多光谱遥感相比，高光谱遥感具有更高的光谱分辨率。图像中含有的大量数据，使得原有分类方法的应用受到限制。本文在一系列面向高光谱图像特点的分类算法的基础上，主要分析了适于解决小样本、高维数据问题的支持向量机分类算法。在特征的选择中，仅仅基于传统光谱特征的方法在高光谱图像分类中不能得到理想的效果。本文研究空间信息在分类中的应用，提出了一种建立在方向线理论上的空间特征提取算法。然后进一步应用空间邻域信息对分类后的图像进行修正。
实验结果表明，该算法能够有效地实现高光谱图像空间信息的提取，与采用光谱信息的图像分类相比，将本算法所提取出的空间特征与光谱特征融合后，用于高光谱图像分类能获得更高的分类精度。
关键词：高光谱图像；分类；支持向量机；空间信息
目录
第1章　绪论 1
1.1　高光谱遥感技术的发展概述 1
1.2　高光谱遥感图像分类的进展 2
1.3　本文主要研究内容和结构 3
第2章　高光谱遥感图像分类 5
2.1　高光谱遥感图像 5
2.1.1　高光谱遥感成像原理 5
2.1.2　高光谱遥感与多光谱遥感的区别 6
2.1.3　高光谱图像的特点 7
2.2　高光谱图像处理技术 9
2.3　高光谱图像分类 10
2.3.1　遥感图像分类的基础知识 10
2.3.2　高光谱图像分类的方法 12
2.4　本章小结 14
第3章　支持向量机 16
3.1　机器学习发展历史与现状 16
3.2　支持向量机算法的发展 17
3.3　支持向量机的主要内容 19
3.3.1　线性支持向量机 19
3.3.2　广义线性支持向量机及算法步骤 22
3.3.3　非线性支持向量机 24
3.3.4　核函数 26
3.4　最小二乘支持向量机算法 29
3.5　支持向量机的多分类算法 31
3.5.1　一对余型多类支持向量机 31
3.5.2　一对一型多类支持向量机 33
3.5.3　其它几种多类支持向量机 34
3.6　本章小结 35
第4章　空间信息辅助下的高光谱图像分类 36
4.1　空间信息 36
4.1.1　遥感图像的空间信息概述 36
4.1.2　空间信息在图象分类中的辅助方式 36
4.2　一种空间特征提取算法 39
4.2.1　方向线理论基础 39
4.2.2　方向线的长度 40
4.2.3　基于方向线的统计特征 41
4.2.4　方向线空间特征的应用 42
4.3　空间邻域修正算法 43
4.4　实验结果及分析 44
4.4.1　实验数据的获得及类别统计 44
4.4.2　二分类支持向量机的实验流程 46
4.4.3　多分类支持向量机的分类步骤 48
4.4.4　分类实验结果 49
4.5　本章小结 53
结论 54
参考文献 55
致谢 57

论文文件预览：
共1文件夹，1个文件，文件总大小：2.21MB，压缩后大小：1.22MB

• 毕业设计-基于高光谱遥感技术的图像处理方法的研究
• 毕业设计 基于高光谱遥感技术的图像处理方法的研究.doc  [2.21MB]