基于小波包变换的遥感超谱图像分类识别方法研究-通信与信息系统专业论文.docxVIP

哈尔滨工业大学工学硕士学位论文摘要 哈尔滨工业大学工学硕士学位论文 摘要 由于遥感超谱图像谱分辨率的提高，如今已可以获得比多光谱图像更丰 富的信息，并使得许多原先用多光谱不能解决的问题现在可以得到解决，它 的问世是遥感技术应用的一个重大飞跃。然而，巨大的数据量限制了超谱图 像的进一步应用，并对传统的图像处理方法提出了挑战。为了挖掘和充分利 用超谱图像数据的潜在优势，研究有效的数据分析和处理技术是极其必要 的，具有重要的理论意义和实际应用价值。另外，分类和压缩是目前国际上 对超谱图像研究非常活跃的两个专题。本文将侧重于超谱图像分类技术的研 究与分析。 在模式识别或分类中，从原始模式中提取有效的分类特征是非常重要 的，但对于大量的非平稳或时变信号模式来说，用于分类的特征往往包含在 局部的时一频信息中，用一般的变换方法提取有效的特征比较困难，近年来 小波变换在信号处理和特征提取中得到了广泛应用。从分辨率的角度来看， 小波变换用于信号分析是一种多分辨分析，优于传统的时域或频域分析方 法。虽然多分辨分析可以对信号进行有效的时频分解，但由于其尺度是二进 制变化的，所以在高频频段其频率分辨率较差，而在低频频段其时间分辨率 较差，即对信号的频带进行指数等间隔划分。小波包分析是能够为信号提供 一种更加精细的分析方法，它将频带进行多层次划分，对多分辨分析没有细 分的高频部分进一步分解，并能够根据被分析信号的特征，自适应的选择相 应频带，使之与信号频谱相匹配，从而提高了时一频分辨率，因此小波包具 有更广泛的应用价值。它的任意多尺度分解特性，是分析非平稳信号更有效 的方法。本文主要研究由给定的训练样本集，如何选择最优小波包基，从被 识别或分类的信号中提取具有最大可分性的特征，为此提出了应用三种可分 性准则，即距离准则，散度准则和熵准则选择最优基。 为了验证这种方法的有效性，本文以AVIRIS超谱图像为例进行了计算 机仿真实验，并对降维后的超谱图像进行了最大似然监督分类。通过实验， 对应用各准则选择最优基提取特征与小波基提取特征，和与典型PCA降维 方法的性能分别进行了比较。结果表明，基于小波包变换的分类方法的分类 精度可达到97％以上，优于其它几种方法。 关键词超谱图像；模式识别；分类；小波包；特征提取 堕堡鎏三些奎兰三兰翟圭耋竺耋銮Abstract 堕堡鎏三些奎兰三兰翟圭耋竺耋銮 Abstract Remote sensing hyperspectral images provide more information than multispectral images in the sense that the spectral resolution of the former iS much highelthan that of the latter．They Can solve the problems that the multispectral images can not．Their invention is a leap in the techniques of remote sensing for applications．However,the enormous data volumes limit application of hyperspectral data and present challenge for conventional image processing techniques．Therefore，in order to tap the potential of the obtained data as well as make full use of them．it iS necessary and valuable to explore effective approaches for hyperspectral data analysis and processing．There two key subjects-classification and compression—for the researches of hyperspectral images now．This paper will emphasis on classification for the researches of hyperspectral images． In pattern recognition classification，extracting effective classification features from original pattern signals is very important．But，f