导读:本文包含了波段选择论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:波段,光谱,图像,遥感,组合,布谷鸟,相似性。
波段选择论文文献综述
赵亮,王立国,刘丹凤[1]（2019）在《高光谱图像子空间的波段选择》一文中研究指出为降低高光谱遥感数据光谱空间的冗余度,提出一种快速的波段选择方法。该方法在波段子空间下进行,依次选择各子空间中方差最大的波段作为初始波段,设定目标函数,然后逐子空间替换波段使得目标性能更加优化,直至没有替换可以使得目标更优为止。在两个公开高光谱影像数据集上对比3种常用波段选择方法(ABC、AP、ABS)来验证提出方法的有效性,实验结果表明:(1)在印第安纳数据上,本文方法与ABC、AP、ABS所选波段子集相比平均相关性分别降低22.04%、52.61%、55.71%,最佳指数分别提高0.58%、51.73%、0.95%,总体分类精度分别提高0.16%、1.39%、23.07%,在搜索效率上与同类型的ABC方法相比提高6.61%—69.02%;(2)在帕维亚大学数据上,本文方法与ABC、AP、ABS所选波段子集相比平均相关性分别降低2.38%、0.51%、32.83%,最佳指数分别提高1.34%、17.97%、12.92%,总体分类精度分别提高0.31%、0.69%、8.53%,在搜索效率上与同类型的ABC方法相比提高19.13%—86.34%。本文提出的波段选择方法能够选择合适的波段子集满足不同的应用需要,是一种有效的波段选择方法。(本文来源于《遥感学报》期刊2019年05期）
黎伟强,倪志平[2]（2019）在《高光谱遥感图像波段选择方法研究》一文中研究指出波段是高光谱遥感图像信息的重要载体,当前高光谱遥感图像波段选择方法存在精度低等问题,提出基于一种高精度的高光谱遥感图像波段选择方法。首先对当前高光谱遥感图像波段选择方法的研究现状进行分析,并建立高光谱遥感图像波段选择方法框架,然后利用贝叶斯判定理论将波段选择框架转换成选择模式,利用训练数据计算后验概率,将后验概率最大作为标准,选择较高光谱遥感图像波段,最后仿真实验结果表明,本文方法可准确高效的对高光谱遥感图像进行波段选择,得到十分理想的高光谱遥感图像波段选择效果。(本文来源于《激光杂志》期刊2019年06期）
彭树铭,徐志浩[3]（2019）在《Ka波段宽频带频率选择表面设计》一文中研究指出随着毫米波技术的发展和毫米波天线的广泛应用,提出了对毫米波雷达隐身的要求。基于耦合和谐振原理,设计了一种Ka波段带内透过的单层频率选择天线罩。利用谱域法对频选天线罩进行了分析计算。优化得到的天线罩仿真结果在Ka全波段内平均插入损耗小于1 dB,在45°扫描角内35 GHz的S_(21)>-1.7 dB,实现X波段和Ku波段内的透过率小于-11 dB。最后,对频选罩的相关参数特性进行了分析,便于针对其他电性能要求进行优化改进。(本文来源于《现代雷达》期刊2019年06期）
李湘眷,张峰,李宇,赵越,赵川源[4]（2019）在《基于波段选择和空-谱组合核函数的高光谱图像目标检测》一文中研究指出为了实现高光谱图像中特定目标的自动检测,提出了一种结合波段选择和空间-光谱特征组合核函数的高光谱图像目标检测方法。各像素点的光谱特征信息由所有波段构成的光谱曲线进行描述,空间特征信息则在各像素点周围的环绕局部范围内,采用词袋模型对空间灰度的纹理特征进行描述。使用了一种基于排序聚类的方法对波段进行选择以降低空间特征计算复杂度。模型训练阶段中,空间特征和光谱特征使用加权的形式融合为一个混合特征核,采用组合核函数结合支持向量机的方法优化核加权系数和检测模型的其他参数。实验结果表明,该方法将目标检测召回率提高到99.5%以上,虚警率降低到约0.2%。因此所提出的方法在降低波段数量的前提下,同时综合利用了目标的光谱信息和空间信息,并使空-谱两类特征在各类别上表现出重要性差异。(本文来源于《国外电子测量技术》期刊2019年05期）
田洪晨,王立国,赵亮,陈春雨[5]（2019）在《结合波段选择的差分进化高光谱图像分类》一文中研究指出高光谱图像具有数据维数高、有标签样本少的特点,影响了现有分类方法的效果。针对这一情况,提出一种结合波段选择的半监督分类算法。该算法首先通过波段选择方法,去除高光谱图像中的冗余信息,进而降低复杂度和提高泛化能力;然后通过差分进化算法交叉变异无标记样本,选取置信度高的样本扩充入标记样本群以提高分类精度。实验结果表明,该算法能够有效地提升在标记样本有限的情况下分类器的分类精度与分类速度。(本文来源于《应用科技》期刊2019年05期）
杨刚,孙伟伟,张殿发[6]（2019）在《利用可分离非负矩阵分解实现高光谱波段选择》一文中研究指出高光谱影像波段众多且相关性强,导致分类存在信息冗余且计算量较大。提出了可分离非负矩阵分解方法来选取高光谱影像的代表性波段子集,在保证分类精度的同时降低计算量。该方法假设高光谱影像的波段集合具有可分离特性,改进传统非负矩阵分解模型,将波段选择转换为可分离非负矩阵分解问题,采用迭代投影方法来依次选取能够非负线性表达其他波段的代表性波段。在此基础上,利用两个公开高光谱数据集对比几种主流方法,采用定量评价和分类精度指标来综合评价所提的波段选择方法的效果。实验结果表明,可分离非负矩阵分解方法的分类精度高于其他几种方法,而且计算效率排名第2,能够选取合适的波段子集以满足高光谱遥感的应用需求。(本文来源于《武汉大学学报(信息科学版)》期刊2019年05期）
蒋仟[7]（2019）在《基于图像质量评价的高光谱森林监测波段选择研究》一文中研究指出与多光谱相比,高光谱遥感影像具有较高的光谱分辨率和丰富的光谱信息,已被广泛用于监测森林资源,适宜对森林进行精细识别和分类。在实际研究与应用中,学者需要从众多的波段中进行选择,但数据量较大,运算时间长,效率较低;另一方面,波段选择完成后,缺少成像后遥感影像质量情况及应用效果的分析。本文以广西壮族自治区高峰林场为研究区,采用AISAEagleII高光谱遥感数据,结合遥感图像质量评价指标,建立了适合森林资源监测的高光谱数据波段选择的图像质量综合评价模型。研究分别利用综合评价模型、自适应波段选择法、波段指数法对高光谱数据单波段进行选择,并将K-Means聚类法、最佳指数法(Optimun Index Factor,OIF)与以上叁种方法结合,进行最佳波段组合的研究,比较各个方法的优劣。主要研究结论如下:(1)信息熵、信噪比、变异系数、基于灰度共生矩阵的对比度和模糊度对遥感图像质量有显着影响。研究选取了 6个基于光谱信息的评价指标和7个基于灰度共生矩阵(纹理)的评价指标。通过比较两个指标间的相关性,信息熵、信噪比、变异系数、基于灰度共生矩阵的对比度和模糊度5个参数的相关性最小,参与构建综合评价模型,用于全面描述图像清晰度、受噪声影响程度、信息量等。(2)研究得到的适用于评价高光谱影像的综合评价模型,模型的决定系数(R2)为0.707、均方根差(Root Mean Square Error,RMSE)为0.029、估测精度(Estimation Accuracy,EA)为99.94%和相对误差(Relative Error,RE)为0.42%,说明模型拟合效果非常好。将综合评价模型选出的前10个波段与波段指数法选出的前10个波段、自适应波段选择法选出的前10个波段进行比较可知,综合评价方法选出的波段数据整体分类精度高,在森林资源监测中整体效果更好。(3)利用K-Means聚类法解决了综合评价模型没有考虑的波段间相关性的问题。当波段组合中波段数量为3时,基于K-Means聚类和综合评价模型选出了该方法下的最佳波段组合为17-55-84,利用最佳指数法分别选出了基于波段指数法和自适应波段选择法的最佳波段组合分别为:41-62-11,58-99-110。通过波段间的平均相关系数、OIF值、分类精度3个指标比较了叁种方法选出的最佳波段组合,整体来看,K-Means聚类和综合评价模型选出最佳波段组合最好。(4)从整体来看,当波段组合中波段数目为3～10时,随着波段组合中波段数目的增加,K-Means+CEM、波段指数+OIF、ABS+OIF叁种方法得到的最佳波段组合的分类精度提高,组合中波段间的相关性也升高。其中,K-Means+ CEM方法的分类精度最高,组合中波段间的相关性最低。(本文来源于《中南林业科技大学》期刊2019-05-01）
宋广钦,杜正舜,贺智[8]（2019）在《高光谱图像波段选择的改进二进制布谷鸟算法》一文中研究指出波段选择是高光谱遥感图像分类的重要前提,本文提出了一种用于高光谱遥感图像波段选择的改进二进制布谷鸟算法,通过使用混合二进制编码算法更新子代鸟巢和使用遗传算法交叉方式更新被发现鸟巢两个方面对二进制布谷鸟算法进行改进,找出在图像中起主要作用且相关性低的波段,实现对高光谱遥感图像降维。将本文算法运用于PaviaU数据集和AVIRIS数据集,并与二进制布谷鸟算法、二进制粒子群算法、最小冗余最大相关算法、Relief算法等进行对比分析。结果表明,改进二进制布谷鸟算法波段特征选择效率更高,且选取的波段更具代表性,能够较好地提高后续分类精度。(本文来源于《测绘通报》期刊2019年04期）
吴鑫,陈熠韬,杨琛[9]（2019）在《基于背景杂波估计的飞机目标探测波段选择方法》一文中研究指出针对空中目标的探测与隐身对抗问题,提出了一种新的基于背景杂波估计的目标探测波段选择方法,基于光线追迹的计算机图形渲染技术,建立地球表面背景-大气-飞机目标耦合辐射模型,采用POE杂波尺度,基于信杂比(SCR)模型确定探测波段的选择宽度。将所选择的探测波段应用于飞机顶视探测,仿真结果显示基于背景杂波估计的目标探测波段选择方法能有效增加探测波段宽度,从而提高探测性能。(本文来源于《航空科学技术》期刊2019年03期）
侯增福,刘镕源,闫柏琨,谭琨[10]（2019）在《基于波段选择与学习字典的高光谱图像异常探测》一文中研究指出针对高光谱影像数据中存在大量冗余,传统异常探测算法应用高光谱所有波段进行探测计算量巨大的问题,提出一种基于波段相似性线性预测与学习字典的异常探测算法。该算法首先通过对波段的相似性进行线性预测,找到最不相似的波段子集;然后,利用学习字典算法获得能够表征图像背景信息的背景字典,并通过低秩分解的算法将影像分解为低秩矩阵与稀疏矩阵;最后,使用经典RXD(Reed-X detector)探测算法对稀疏影像进行异常探测。实验结果表明,该算法可以在减少计算代价、保持波段原始信息不被破坏的同时,能够较好地实现了高光谱影像的异常探测。(本文来源于《国土资源遥感》期刊2019年01期）
波段选择论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
波段是高光谱遥感图像信息的重要载体,当前高光谱遥感图像波段选择方法存在精度低等问题,提出基于一种高精度的高光谱遥感图像波段选择方法。首先对当前高光谱遥感图像波段选择方法的研究现状进行分析,并建立高光谱遥感图像波段选择方法框架,然后利用贝叶斯判定理论将波段选择框架转换成选择模式,利用训练数据计算后验概率,将后验概率最大作为标准,选择较高光谱遥感图像波段,最后仿真实验结果表明,本文方法可准确高效的对高光谱遥感图像进行波段选择,得到十分理想的高光谱遥感图像波段选择效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
波段选择论文参考文献
[1].赵亮,王立国,刘丹凤.高光谱图像子空间的波段选择[J].遥感学报.2019
[2].黎伟强,倪志平.高光谱遥感图像波段选择方法研究[J].激光杂志.2019
[3].彭树铭,徐志浩.Ka波段宽频带频率选择表面设计[J].现代雷达.2019
[4].李湘眷,张峰,李宇,赵越,赵川源.基于波段选择和空-谱组合核函数的高光谱图像目标检测[J].国外电子测量技术.2019
[5].田洪晨,王立国,赵亮,陈春雨.结合波段选择的差分进化高光谱图像分类[J].应用科技.2019
[6].杨刚,孙伟伟,张殿发.利用可分离非负矩阵分解实现高光谱波段选择[J].武汉大学学报(信息科学版).2019
[7].蒋仟.基于图像质量评价的高光谱森林监测波段选择研究[D].中南林业科技大学.2019
[8].宋广钦,杜正舜,贺智.高光谱图像波段选择的改进二进制布谷鸟算法[J].测绘通报.2019
[9].吴鑫,陈熠韬,杨琛.基于背景杂波估计的飞机目标探测波段选择方法[J].航空科学技术.2019
[10].侯增福,刘镕源,闫柏琨,谭琨.基于波段选择与学习字典的高光谱图像异常探测[J].国土资源遥感.2019
论文知识图
