《基於HHT的超光譜圖像高精度分類算法研究》是依託哈爾濱工業大學，由林玉榮擔任項目負責人的面上項目。
基本介紹
- 中文名：基於HHT的超光譜圖像高精度分類算法研究
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：林玉榮
項目摘要,結題摘要,
項目摘要
利用超光譜圖像(Hyperspectral image)具有極高的空間解析度和光譜解析度的特性,研究快速高效的分類與識別算法是遙感套用領域提出的熱點研究問題。本項目提出利用希爾伯特-黃變換(Hilbert-Huang Transform, HHT)能夠自適應地提取非線性非平穩信號的本質特徵的優點，開展超光譜圖像的高精度分類算法研究。利用1D-HHT充分提取超光譜圖像譜間信息變化的本質特徵，利用2D-HHT充分提取超光譜圖像空間分布特徵，並與傳統的統計信息等分類特徵相結合，研究超光譜圖像的可分性度量方法，構建基於改進的支持向量機的高精度分類方法。同時針對2D-HHT套用於超光譜圖像時所產生的邊緣效應,研究利用極值信息整體預測的方法對其進行有效抑制，推動HHT在圖像處理套用領域中的研究。
結題摘要
本課題針對基於HHT的超光譜圖像高精度分類算法，緊緊圍繞申請書中的四大部分進行了深入研究，發表相關論文19篇，申請專利8項，其中已授權3項。所取得的創新性成果主要可歸納為：（1）結合一維EMD和支持向量機算法構建了高效的超光譜圖像高精度分類算法，在此基礎上，我們進一步結合超光譜圖像本身特點，提出了三種對不同波段加權的改進超光譜圖像分類算法；（2）針對二維EMD算法如何有效提取超光譜圖像的可分信息進行了深入的理論研究，提出了基於二維EMD算法的超光譜圖像高精度分類算法；（3）對二維EMD算法進一步研究，提出了基於小波閾值去噪的二維EMD超光譜圖像高精度分類算法，及基於特徵擴展結合模糊支持向量機的高精度分類算法；（4）對於一維EMD及二維EMD在生成各IMF時的邊緣所存在的缺陷，提出了基於灰色模型的處理方法，該方法可充分發揮灰色模型所需輸入數據量少、短期預測精度高、計算速度快的優勢。大量的實驗結果表明了所研究理論及算法的有效性和可行性，同時由於考慮到空間和時間的效率，算法有利於推廣套用。
