【摘要】：針對(duì)傳統(tǒng)淺層機(jī)器學(xué)習(xí)方法應(yīng)用于高分辨影像分類時(shí)存在的問題,提出了結(jié)合最小噪聲分離變換和卷積神經(jīng)網(wǎng)絡(luò)的高分辨率影像分類方法。采用最小噪聲分離分析非監(jiān)督訓(xùn)練初始化卷積神經(jīng)網(wǎng)絡(luò),為提高訓(xùn)練速度,使用線性修正函數(shù)作為神經(jīng)網(wǎng)絡(luò)的激活函數(shù);利用概率最大化采樣原則減少池化過程中影像特征的缺失,并將下采樣后影像特征輸入Softmax分類器進(jìn)行分類。采用所提分類方法對(duì)典型地區(qū)的影像進(jìn)行分類實(shí)驗(yàn),并與支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)分類方法的分類結(jié)果進(jìn)行對(duì)比。結(jié)果表明,所提分類方法的分類精度明顯高于另兩種分類方法的分類精度,并能充分挖掘高分辨遙感影像的空間信息。
[Abstract]:Aiming at the problems of traditional shallow machine learning in high resolution image classification, a high resolution image classification method combining minimum noise separation transform and convolution neural network is proposed. In order to improve the training speed, the linear correction function is used as the activation function of the neural network. The principle of maximum probability sampling is used to reduce the absence of image features in the process of pool, and the sub-sampled image features are input into the Softmax classifier for classification. The proposed classification method is used to classify the images of typical areas and the classification results are compared with those of support vector machine (SVM) and artificial neural network (Ann). The results show that the classification accuracy of the proposed classification method is obviously higher than that of the other two classification methods, and the spatial information of high-resolution remote sensing images can be fully mined.
【作者單位】： 遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院;中國(guó)測(cè)繪科學(xué)研究院;
【基金】：國(guó)家重點(diǎn)研發(fā)計(jì)劃(2016YFC0803100) 國(guó)家自然科學(xué)基金(41101452) 高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(20112121120003) 遼寧省教育廳科研項(xiàng)目(LJYL010)
【分類號(hào)】：TP18;TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃洪鐘,李海濱;有限元的神經(jīng)網(wǎng)絡(luò)計(jì)算方法研究[J];機(jī)械強(qiáng)度;2003年03期

2 彭磊;田麗;;基于神經(jīng)網(wǎng)絡(luò)消除噪聲技術(shù)的研究[J];黑龍江科技信息;2009年16期

3 林建輝,陳建政,陳琳;基于神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)子動(dòng)力系統(tǒng)穩(wěn)定性辨識(shí)[J];機(jī)械科學(xué)與技術(shù);1999年02期

4 熊日華,王世昌;神經(jīng)網(wǎng)絡(luò)在膜技術(shù)中的應(yīng)用[J];膜科學(xué)與技術(shù);2003年06期

5 高強(qiáng);錢林方;侯遠(yuǎn)龍;王力;;泵控缸電液位置伺服系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制[J];機(jī)床與液壓;2008年06期

6 緱新科;崔明月;;神經(jīng)網(wǎng)絡(luò)-遺傳算法在振動(dòng)控制系統(tǒng)中的應(yīng)用[J];機(jī)械設(shè)計(jì)與制造;2009年08期

7 于祥;趙冬至;張豐收;肖忠峰;;基于神經(jīng)網(wǎng)絡(luò)的紅樹林景觀特性遙感提取技術(shù)研究[J];海洋環(huán)境科學(xué);2007年06期

8 國(guó)蓉;何鎮(zhèn)安;;基于多級(jí)神經(jīng)網(wǎng)絡(luò)的被動(dòng)聲定位算法研究[J];計(jì)算機(jī)應(yīng)用研究;2011年06期

9 石小云;;基于SOM神經(jīng)網(wǎng)絡(luò)的靜止衛(wèi)星云圖分類[J];電子設(shè)計(jì)工程;2011年16期

10 丁國(guó)良,張春路,李灝;神經(jīng)網(wǎng)絡(luò)在空調(diào)器仿真中的應(yīng)用研究[J];制冷學(xué)報(bào);1999年02期

相關(guān)會(huì)議論文 前10條

1 徐慧;徐海樵;張必銀;;基于LVQ神經(jīng)網(wǎng)絡(luò)的水聲目標(biāo)識(shí)別技術(shù)[A];中國(guó)造船工程學(xué)會(huì)電子技術(shù)學(xué)術(shù)委員會(huì)——2012年水下復(fù)雜戰(zhàn)場(chǎng)環(huán)境目標(biāo)識(shí)別與對(duì)抗及仿真技術(shù)學(xué)術(shù)交流論文集[C];2012年

2 張彼德;;汽輪發(fā)電機(jī)組振動(dòng)多故障診斷的神經(jīng)網(wǎng)絡(luò)方法研究[A];第八屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集摘要[C];2003年

3 金鳳;;基于神經(jīng)網(wǎng)絡(luò)與理想解的多屬性決策[A];第四屆全國(guó)船舶與海洋工程學(xué)術(shù)會(huì)議論文集[C];2009年

4 吳寶志;袁曉梅;;基于神經(jīng)網(wǎng)絡(luò)的汽車空調(diào)系統(tǒng)變工況運(yùn)行的仿真研究[A];第九屆全國(guó)冷水機(jī)組與熱泵技術(shù)學(xué)術(shù)會(huì)議論文集[C];1999年

5 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自適應(yīng)控制[A];液壓與氣動(dòng)學(xué)術(shù)研討會(huì)論文集[C];2004年

6 于洪潔;彭建華;;具有非線性耦合函數(shù)的HR神經(jīng)網(wǎng)絡(luò)的混沌同步[A];中國(guó)力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2005論文摘要集（下）[C];2005年

7 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自適應(yīng)控制[A];第三屆全國(guó)流體傳動(dòng)及控制工程學(xué)術(shù)會(huì)議論文集（第三卷）[C];2004年

8 王祥厚;李程遠(yuǎn);;臺(tái)階爆破巖石塊度預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)[A];第七屆全國(guó)工程爆破學(xué)術(shù)會(huì)議論文集[C];2001年

9 潘濱;陳劍平;李曉茹;;改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在巖質(zhì)邊坡穩(wěn)定性分析中的應(yīng)用[A];第八屆全國(guó)工程地質(zhì)大會(huì)論文集[C];2008年

10 鐘小麗;謝菠蓀;;使用神經(jīng)網(wǎng)絡(luò)進(jìn)行中垂面頭相關(guān)傳輸函數(shù)外插[A];中國(guó)聲學(xué)學(xué)會(huì)2005年青年學(xué)術(shù)會(huì)議[CYCA'05]論文集[C];2005年

相關(guān)博士學(xué)位論文 前2條

1 李廣博;Fourier正交基神經(jīng)網(wǎng)絡(luò)加權(quán)響應(yīng)面法的結(jié)構(gòu)可靠性分析[D];吉林大學(xué);2014年

2 李英偉;基于增量改進(jìn)BP神經(jīng)網(wǎng)絡(luò)微波深度干燥模型及應(yīng)用研究[D];昆明理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 吳航;基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像配準(zhǔn)方法[D];南昌大學(xué);2015年

2 黃偉明;基于神經(jīng)網(wǎng)絡(luò)的LED可靠性分析模型研究[D];華南理工大學(xué);2016年

3 宋欣益;基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜數(shù)據(jù)分類方法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 王艦鋒;基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云量計(jì)算[D];南京信息工程大學(xué);2016年

5 邢凱;基于神經(jīng)網(wǎng)絡(luò)和Contourlet的遙感圖像分類處理[D];黑龍江大學(xué);2016年

6 王杰;基于遺傳算法神經(jīng)網(wǎng)絡(luò)的某制冷空調(diào)系統(tǒng)性能預(yù)測(cè)研究[D];華中科技大學(xué);2015年

7 孟春林;神經(jīng)網(wǎng)絡(luò)PID在熱交換器中的應(yīng)用[D];太原科技大學(xué);2009年

8 董航飛;基于神經(jīng)網(wǎng)絡(luò)的中央空調(diào)溫度控制研究[D];揚(yáng)州大學(xué);2009年

9 石小云;基于神經(jīng)網(wǎng)絡(luò)方法的衛(wèi)星圖像云分類[D];中國(guó)海洋大學(xué);2012年

10 馬玉秀;神經(jīng)網(wǎng)絡(luò)在激光遙感鑒別海面溢油中的應(yīng)用[D];大連海事大學(xué);2006年

，

本文編號(hào)：2423553