摘要高光谱图像是一种三文立体图像,包含二文的空间文度和一文的光谱文度,在同一波段内,由于图像所包含的地理位置往往具有一定的相似性,因此体现出一定的空间相似性性,而不同波段所包含的地物目标一致,体现出一定的谱间相似性. 研究结合上下文的高光谱图像的patch相似性可以同时联合空间文和光谱文图像的特征,通过判断当前patch与其空谱邻域的相似性,提出联合相似性度量标准,为后续的高光谱图像去噪、分类等进一步处理提供参考。27145
本文提出了描述高光谱图像patch相似性的两种度量方式:基于L2范数的相似性度量和基于光谱角的相似性度量。基于L2范数的相似性度量通过联合模板patch空谱邻域的二范数距离,构造空谱联合的相似性度量函数。基于光谱角度量通过联合空谱邻域光谱角来描述图像相似性。通过数值模拟实验,验证了所提出的两种patch相似性的合理性及有效性。
关键词  高光谱图像  patch相似性  L2范数  光谱角
毕业论文设计说明书外文摘要
Title  Joint context information for hyperspectral image Patch Similarity measure
Abstract
Hyperspectral image is a three-dimensional image,contains two dimensional space dimensions and one dimensional spectral dimension.In the same band,due to the geographical location of the image tends to have a certain similarity,the image reflects a certain space similarity.And different bands contain the same location goals,so the image reflects a certain similarity between spectrum.Researching joint context information for hyperspectral image patch similarity measure can joint space and spectrum characteristics of the images at the same time.By judging the similarity of current patch and its empty spectrum neighborhood,we can create the idea of similarity metrics.Then it provides reference for further processing for subsequent hyperspectral image denoising,classification,etc.
This paper presents two kinds of measures to describe the hyperspectral image patch similarity:similarity measure based on L2 norm and the similarity measure based on spectral angle.Through jointing the L2 norm of empty spectrum neighborhood of template patch,the measure constructs the similarity measure function jointing empty spectrum.Through jointing the spectral angle of empty spectrum neighborhood of template patch,the measure describes the image similarity.Through numerical simulation,the rationality and effectiveness of the two kinds of patch similarity is verified.
Keywords  Hyperspectral images  patch similarity  L2 norm  Spectral Angle
目   次
1  绪论  1
1.1  研究背景及意义   1
1.2  论文的主要内容  1
2  相关概念综述  3
2.1  高光谱图像数据特点  3
2.2  现有空谱相关性分析方法  4
3  结合上下文信息的高光谱图像patch相似性度量  11
3.1  基于L2范数的patch相似性度量  12
3.2  基于光谱角的patch相似性度量  12
4  实验结果及分析  15
4.1  patch相似性度量合理性验证  15
4.2  检验patch相似性度量的适用性  18
4.3  实验总结  19
结论  20
致谢  21
参考文献22
1  绪论
1.1  研究背景及意义
遥感技术经过20世纪后半叶的发展,无论在理论上、技术上和应用上均发生了重大的变化。其中,高光谱图像技术的出现和快速发展无疑是这种变化中十分突出的一个方面。通过搭载在不同空间平台上的高光谱传感器,即成像光谱仪,在电磁波谱的紫外、可见光、近红外和中红外区域,以数十至数百个连续且细分的光谱波段对目标区域同时成像。在获得地表图像信息的同时,也获得其光谱信息,第一次真正做到了光谱与图像的结合。与多光谱遥感影像相比,高光谱影像不仅在信息丰富程度方面有了极大的提高,在处理技术上,对该类光谱数据进行更为合理、有效的分析处理提供了可能。
上一篇:公共安全图像与视频一键式质量增强与运动分析光流目标跟踪与分析
下一篇:基于Android的FTP客户端程序的设计与实现

C#+sqlserver餐饮管理信息系统的设计+源代码

asp.net+sqlserver图书馆信息管...

jsp+oracle网上信访信息系统...

Android汽车原车信息读取App软件设计+源代码

asp.net多维度元信息支持的...

jsp+mysql毕业生就业信息跟踪管理系统设计

Android基于NFC的信息系统设计+源代码

建议全面开放生育政策,...

天秤男婚后出轨能改好吗...

地方政府跨区域联合环境污染治理研究

哈萨克民歌中生态美學思想的表现【4092字】

室外办公系统创新设计研究

硅酸钇镥闪烁晶体的光学性能研究

中班幼儿“求助”型告状行为的访谈提纲

常用游戏对于小学生英语教学的影响

无刷电机调速系统设计任务书

人性化的用户界面设计研究