基于级联多分类器的高光谱图像分类

目录

声明

致谢

变量注释表

1 绪论

1.1 研究背景与意义

1.2 高光谱图像研究现状

1.3.1 本文研究内容

1.3.2 本文章节安排

2 高光谱图像分类相关理论

2.1 高光谱图像主要预处理技术

2.1.1 特征选择

2.1.2 特征提取

2.2 高光谱图像常用分类器

2.2.1 支持向量机

2.2.2 Random Forest分类器

2.2.3 XGBoost分类器

2.2.4 Logistic Regression分类器

2.2.5 ExtraTrees分类器

2.3 高光谱图像分类性能评价指标

2.4 本章小结

3 基于级联多分类器的高光谱图像分类

3.1 分类模型整体结构

3.2 预处理

3.2.1 PCA降维

3.2.2 Gabor特征提取

3.3 高光谱图像分类策略

3.4 级联多分类器模型

3.5 本章小结

4 实验与结果分析

4.1 数据集选择

4.1.1 Indian Pines 数据集

4.1.2 Pavia University数据集

4.1.3 Salinas数据集

4.2 实验参数设置

4.2.1 训练样本个数

4.2.2 对照算法参数

4.2.3 级联多分类器超参数选择

4.2.4 模型选择

4.3.1 精度实验

4.3.2 效率实验

4.3.3 小样本实验

4.3.4 实验结果分析

4.4 本章小结

5 结论与展望

5.1 结论

5.2 展望

参考文献

作者简历

学位论文原创性声明

学位论文数据集