导读:本文包含了图象协同论文开题报告文献综述及选题提纲参考文献，主要关键词:多,高光谱,SAR,特征提取与选择,面向分类
图象协同论文文献综述
赵宏磊[1]（2011）在《面向分类的多/高光谱与SAR图象协同处理技术研究》一文中研究指出多/高光谱图象不仅包含了普通遥感图象的二维空间信息,而且具有丰富的光谱信息,特别是高光谱图象可以形成一条近似连续的光谱曲线。而SAR图象主要反映了地表物质的介电特性与几何特性,空间纹理细节信息丰富,其中极化SAR图象更是包含了地物散射的极化信息。因此协同利用多/高光谱图象的空间光谱信息以及SAR图象的极化散射信息,进行地物分类识别具有重要的研究意义和应用前景。本文按照数据源的特点以及信息量的多少,将多/高光谱和SAR图象分为了两组来进行特征提取与选择方法的研究,从而充分利用两者在光谱以及极化散射信息方面的优势互补,并在此基础上,以对地物的高精度分类识别为最终目的,实现了面向分类的基于多层次的协同处理:第一组为多光谱和SAR图象,本文根据其各自的特性,研究了多光谱图象的光谱特征,以及SAR图象的纹理特征,其中包括局部统计特征、基于灰度共生矩阵的纹理特征和分形维数特征,并采用了基于遗传算法的特征选择方法对SAR纹理特征进行了选择,去除冗余信息,来为后续多光谱与SAR图象更加快速、准确地协同分类做好准备。第二组为图象信息量更加丰富的高光谱和极化SAR图象。为了得到最能反映分类本质的光谱特征集并克服“维数灾难”现象,本文主要研究了更适合于高光谱特征提取的双重最近区域变换方法,并将该方法与传统的主成分分析和线性判别分析方法进行了对比。而针对极化SAR图象,本文研究了/A分解、Freeman分解、Yamaguchi分解和基于多成分散射模型的目标分解方法来实现特征提取,为后续高光谱与极化SAR图象的协同分类奠定基础。最后,在以上对多/高光谱与SAR图象特征提取与选择研究的基础上,本文从特征层和决策层出发,重点研究了基于并行特征组合的特征层协同分类算法和基于模糊集理论的决策层协同分类算法,并由以上两种方法得到启发,本文提出将特征层与决策层相结合,将更加精确的特征层协同分类结果作为决策层协同分类的输入,从而保留并利用了特征层和决策层协同分类各自的优点,实现了面向分类的多层次、高精度的协同处理。(本文来源于《哈尔滨工业大学》期刊2011-06-01）
赵同,戚飞虎[2]（1998）在《协同神经网络在汉字图象识别中的应用》一文中研究指出本文对一类全新的神经网络—协同神经网络进行了研究。在介绍了协同学基本概念和模式识别协同神经网络的基础上,通过对加噪、运动的汉字图象进行识别研究,指出协同神经网络具有极大的优势。(本文来源于《中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集》期刊1998-05-01）
图象协同论文开题报告
（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：
本文对一类全新的神经网络—协同神经网络进行了研究。在介绍了协同学基本概念和模式识别协同神经网络的基础上,通过对加噪、运动的汉字图象进行识别研究,指出协同神经网络具有极大的优势。
（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。
图象协同论文参考文献
[1].赵宏磊.面向分类的多/高光谱与SAR图象协同处理技术研究[D].哈尔滨工业大学.2011
[2].赵同,戚飞虎.协同神经网络在汉字图象识别中的应用[C].中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集.1998