导读:本文包含了信息散度论文开题报告文献综述及选题提纲参考文献，主要关键词:信息散度法,矿物光谱,分类处理,标准光谱库
信息散度论文文献综述
秦飞龙,刘剑,颜文勇[1]（2019）在《改进的信息散度法在蚀变矿物分类中的研究》一文中研究指出为了有效获取待测光谱类型,采用信息散度匹配法对其进行分类处理。根据不同矿物具有不同的光谱特征曲线,建立不同矿物光谱曲线的标准光谱库,再采用信息散度法对待测矿物光谱与标准库中的光谱进行匹配,进而得出一种标准光谱库下的信息散度匹配法。采用该方法对实际光谱曲线进行分类处理,结果表明提出的方法能够有效对光谱曲线进行匹配,判别待测光谱所蕴含矿物类型,所得出的蚀变矿物类型与岩矿鉴定结果具有较高的吻合度,有利于提取蚀变矿物信息。(本文来源于《现代电子技术》期刊2019年19期）
杨鹏飞,廖秀英,程辉,帅慕容,谢贻文[2]（2018）在《基于光谱梯度角与光谱信息散度评价指标的遥感影像融合方法比较》一文中研究指出SPOT数据是高空间分辨率遥感数据的典型代表,探讨SPOT数据的融合方法对于该数据的广泛应用具有重大意义。以SPOT高分辨遥感数据为例,比较研究目前针对高分辨率遥感影像常用的小波变换、高通滤波、PanSharpening融合和Gram-Schmidt 4种融合方法,以反映光谱局部特征变化的光谱梯度角和光谱信息散度为指标,通过综合计算不同融合方法的光谱梯度角和光谱信息散度,达到评价以上4种融合方法保持地物光谱信息的能力。结果表明:高通滤波融合不但能够显着提高空间分辨率而且能够最大程度的保持原始多光谱影像的光谱信息,是4种方法中最适合SPOT遥感数据的融合方法。(本文来源于《测绘工程》期刊2018年11期）
王春阳,张合兵,许志方,王双亭,邵伟宽[3]（2018）在《矩阵因子和信息散度融合的高光谱波段选择方法》一文中研究指出高光谱数据的数据量大、冗余度高,影响了影像分类的精度和速度。为解决这一问题,在基于矩阵模式的高光谱波段选择方法的基础上,提出了一种基于矩阵因子和光谱信息散度融合的波段选择方法。首先,用光谱信息散度代替原始用光谱相关系数衡量光谱维的相关性。然后,调整矩阵因子定义方式,根据单一量化指标大小选择最佳波段组合。最后,分别用最佳指数因子、自适应波段选择法、最优波段指数法波段和所提出的算法对AVIRIS高光谱数据进行波段选择试验。结果表明,在选择相同波段数目的情况下,所提出的算法最大化保留了光谱信息并去除了冗余波段,分类精度有明显提高。(本文来源于《遥感信息》期刊2018年02期）
王琪,杨桄,张俭峰,向英杰,田张男[4]（2018）在《结合K-L散度和互信息的无监督波段选择算法》一文中研究指出波段选择是重要的高光谱图像降维手段。为了达到降维的目的,提出结合K-L散度和互信息的无监督波段选择算法,并进行了理论分析和实验验证。首先选出信息熵最大的波段作为初始波段,然后将散度与互信息量的比值定义为联合散度互信息(KLMI)准则,选择KLMI值大且信息量也大的波段加入波段子集中,选出信息量大且相似度低的波段集合,最终利用k最近邻分类算法实现了基于最大方差主成分分析算法、聚类算法、互信息算法和本文中方法的真实高光谱数据分类实验。结果表明,本文中的算法总体分类精度和κ系数均达到0.8以上,高于其它算法;大多数地物的分类精度均得到提升,具有较好的分类性能。该算法是一种实用的高光谱图像降维算法。(本文来源于《激光技术》期刊2018年03期）
王伟超,王慧琴,王可,王展[5]（2018）在《一种基于统计流形的光谱信息散度颜料识别方法》一文中研究指出每种物质都有其独特的光谱信息,因此可以根据光谱信息来鉴定物质。研究了基于统计流形的光谱信息散度颜料识别方法,将统计流形上的黎曼度量作为信息散度中新的度量标准。利用提出的新方法与传统光谱反射率匹配方法对4种常用矿物颜料进行光谱匹配,并将匹配结果进行比较。实验结果表明:利用基于统计流形的光谱信息散度方法,解决了概率变化量的几何度量问题,光谱信息匹配识别物质的精度得到了显着提高。(本文来源于《激光与光电子学进展》期刊2018年01期）
吴浩,徐元进,高冉[6]（2016）在《基于光谱相关角和光谱信息散度的高光谱蚀变信息提取》一文中研究指出针对高光谱遥感蚀变信息提取过程中,由于混合像元的不可避免,导致蚀变矿物光谱曲线存在不同程度的失真而影响目标矿物识别精度的问题,提出一种基于光谱相关角(Spectral Correlation Angle,SCA)和光谱信息散度(Spectral Information Divergence,SID)的高光谱遥感蚀变信息提取算法(SIDSCAtan)。利用植被覆盖度表征植被信息在混合像元中所占百分比,划分出6种植被失真类型。采用不同区分方法分别比较失真光谱与理想光谱的差异,实验表明,当输入的光谱信息具有微小差异时,方法 SIDSCAtan能够做出较大的响应,在识别光谱整体形态的前提下,增强了对光谱局部特征差异的区分能力。以云南省个旧西区为研究区,运用该方法提取区内蚀变信息,应用效果较好。(本文来源于《地理与地理信息科学》期刊2016年01期）
任晓东,雷武虎,王勇,王迪[7]（2015）在《一种基于信息散度与梯度角正切相结合的核异常检测算法》一文中研究指出在高光谱核异常检测算法中,核函数使用最多的为高斯径向基核,然而高斯径向基核原理是基于光谱矢量间的欧氏距离,对光谱矢量间距离变化适应性较强,对光谱曲线的整体和局部形状并不敏感,而光谱曲线的形状是物质的指纹特征,因此本文从更好的描述光谱曲线整体及局部特性出发,构造了一种基于光谱信息散度与梯度角正切相结合的核函数,并用于应用于高光谱核异常检测中。通过理论和真实高光谱数据异常检测实验与以往方法进行对比,说明了本文本文提出核函数用于高光谱异常检测的优越性。(本文来源于《国防光电子论坛第二届激光雷达成像探测技术及应用研讨会论文集》期刊2015-07-25）
夏冰,赵勋杰[8]（2015）在《基于光谱信息散度的非监督波段选择》一文中研究指出在实际高光谱图像处理中,目标的先验信息往往较难获得,而非监督波段选择既能很好地完成海量光谱数据降维的任务,又不依赖于目标的先验信息,因而得到了广泛的应用。提出一种非监督波段选择算法:使用光谱信息散度作为相似性准则度量波段间的相似性,采用前向搜索算法作为波段搜索策略,逐步选出信息量丰富的波段集合。实验结果显示,采用该算法选出的波段集合与正交子空间投影算法和多元线性回归等非监督波段选择算法相比,拥有更高的分类检测精度。(本文来源于《计算机应用与软件》期刊2015年07期）
刘万军,杨秀红,曲海成,孟煜[9]（2015）在《基于光谱信息散度与光谱角匹配的高光谱解混算法》一文中研究指出针对采用线性逆卷积(LD)算法进行端元初选过程中,端元子集中存在相似端元光谱,影响解混精度的问题,提出了一种基于光谱信息散度(SID)与光谱角匹配(SAM)算法的端元子集优选光谱解混算法。通过在端元进行二次选择时,采用以光谱信息散度和光谱角(SID-SA)混合法准则作为最相似端元选择的判据,去除相似端元,降低相似端元对解混精度的影响。实验结果表明,基于SID与SAM的高光谱解混算法将重构影像的均方根误差(RMSE)降低到0.010 4,该方法比传统方法提高了端元的选择精度,减少了丰度估计误差,误差分布更加均匀。(本文来源于《计算机应用》期刊2015年03期）
孔云波,王华兵,冯新喜,鹿传国[10]（2014）在《基于信息散度的雷达/红外数据关联算法》一文中研究指出针对基于多维分配模型的雷达与红外数据关联算法在构造关联代价函数时未考虑最大似然估计引入的误差的一问题,提出了一种基于信息散度的雷达与红外数据关联算法。该算法首先利用无迹变换获得伪量测的统计信息。然后在构造关联代价函数时,将真实量测数据的极大后验分布和伪量测的概率密度函数的之间的Kullback-Leibler散度(KLD)作为关联代价,继而代入多维分配模型求解关联。最后进行了仿真分析,结果表明该算法具有良好的关联性能,其关联代价可更精准地反映数据关联的可能性程度。(本文来源于《红外与激光工程》期刊2014年11期）
信息散度论文开题报告
（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：
SPOT数据是高空间分辨率遥感数据的典型代表,探讨SPOT数据的融合方法对于该数据的广泛应用具有重大意义。以SPOT高分辨遥感数据为例,比较研究目前针对高分辨率遥感影像常用的小波变换、高通滤波、PanSharpening融合和Gram-Schmidt 4种融合方法,以反映光谱局部特征变化的光谱梯度角和光谱信息散度为指标,通过综合计算不同融合方法的光谱梯度角和光谱信息散度,达到评价以上4种融合方法保持地物光谱信息的能力。结果表明:高通滤波融合不但能够显着提高空间分辨率而且能够最大程度的保持原始多光谱影像的光谱信息,是4种方法中最适合SPOT遥感数据的融合方法。
（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。
信息散度论文参考文献
[1].秦飞龙,刘剑,颜文勇.改进的信息散度法在蚀变矿物分类中的研究[J].现代电子技术.2019
[2].杨鹏飞,廖秀英,程辉,帅慕容,谢贻文.基于光谱梯度角与光谱信息散度评价指标的遥感影像融合方法比较[J].测绘工程.2018
[3].王春阳,张合兵,许志方,王双亭,邵伟宽.矩阵因子和信息散度融合的高光谱波段选择方法[J].遥感信息.2018
[4].王琪,杨桄,张俭峰,向英杰,田张男.结合K-L散度和互信息的无监督波段选择算法[J].激光技术.2018
[5].王伟超,王慧琴,王可,王展.一种基于统计流形的光谱信息散度颜料识别方法[J].激光与光电子学进展.2018
[6].吴浩,徐元进,高冉.基于光谱相关角和光谱信息散度的高光谱蚀变信息提取[J].地理与地理信息科学.2016
[7].任晓东,雷武虎,王勇,王迪.一种基于信息散度与梯度角正切相结合的核异常检测算法[C].国防光电子论坛第二届激光雷达成像探测技术及应用研讨会论文集.2015
[8].夏冰,赵勋杰.基于光谱信息散度的非监督波段选择[J].计算机应用与软件.2015
[9].刘万军,杨秀红,曲海成,孟煜.基于光谱信息散度与光谱角匹配的高光谱解混算法[J].计算机应用.2015
[10].孔云波,王华兵,冯新喜,鹿传国.基于信息散度的雷达/红外数据关联算法[J].红外与激光工程.2014