【摘要】：隨著高光譜遙感成像技術(shù)的飛快發(fā)展,高光譜數(shù)據(jù)維度不斷增加。在面對高光譜數(shù)據(jù)多維度、非線性、數(shù)據(jù)量大的特點下,如何從其中挖掘特征信息并實現(xiàn)數(shù)據(jù)分類,成為了高光譜遙感圖像解譯處理中的重要問題。作為應用在圖像識別方面取得成功算法,深度置信網(wǎng)絡具有小樣本學習、高維空間、非線性等特點,成為高光譜遙感影像分類的一個研究熱點。本課題嘗試將深度置信網(wǎng)絡應用在高光譜數(shù)據(jù)分類中,利用其深度學習的優(yōu)勢去解決高光譜數(shù)據(jù)分類問題。首先對深度學習中的深度置信網(wǎng)絡理論架構(gòu)做了研究,構(gòu)建了支持深度置信網(wǎng)絡的Matlab算法,并通過該平臺實現(xiàn)了高光譜數(shù)據(jù)的特征提取和數(shù)據(jù)分類,最后對高光譜數(shù)據(jù)與機載雷達數(shù)據(jù)進行了融合并利用模型分類和分類后評價。在分析深度置信網(wǎng)絡(Deep Belief Network,DBN)的基礎上,研究基于深度置信網(wǎng)絡的高光譜數(shù)據(jù)分類方法,通過實驗證明,采用信息熵的方法確定針對不同數(shù)據(jù)的網(wǎng)絡模型最佳隱含層層數(shù)分類精度最高。針對具有較多波段數(shù)的機載高光譜影像,提出了一種基于馬氏距離波段選擇方法,通過該方法剔除了冗余的波段,實現(xiàn)了數(shù)據(jù)的降維。高光譜數(shù)據(jù)中同時包含光譜和空間信息,分別從光譜、空間和光譜-空間三個特征空間對數(shù)據(jù)處理分析,并和支持向量機分類進行了結(jié)果對比,實驗表明,兩種分類器利用光譜-空間特征的分類結(jié)果均好于單一特征的分類結(jié)果,在分類精度上DBN分類器高于SVM分類器3.78%。此外,為充分證明DBN模型對特征挖掘的能力,利用該模型實現(xiàn)了對機載高光譜影像與機載雷達影像的融合數(shù)據(jù)的分類,結(jié)果表明DBN分類效果好于SVM分類效果,同時融合數(shù)據(jù)的分類精度也高于高光譜數(shù)據(jù)的分類結(jié)果。
【圖文】：

總體研究技術(shù)路線

高光譜圖像三維結(jié)構(gòu)
【學位授予單位】：華北理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP751

【參考文獻】

相關期刊論文 前10條

1 許明明;張良培;杜博;張樂飛;;基于類別可分性的高光譜圖像波段選擇[J];計算機科學;2015年04期

2 董彥芳;龐勇;許麗娜;陳立澤;;高光譜遙感影像與機載LiDAR數(shù)據(jù)融合的地物提取方法研究[J];遙感信息;2014年06期

3 張飛龍;王順芳;趙劍華;丁海燕;;基于圖像分割及模糊隸屬度的PCA人臉識別[J];計算機應用與軟件;2014年05期

4 李藝穎;;人工智能的新浪潮——深度學習[J];網(wǎng)友世界;2013年Z2期

5 陳善靜;胡以華;石亮;王磊;孫杜娟;徐世龍;;空-譜二維蟻群組合優(yōu)化SVM的高光譜圖像分類[J];光譜學與光譜分析;2013年08期

6 馮靜;舒寧;;一種新的高光譜遙感圖像紋理特征提取方法研究[J];武漢理工大學學報;2009年03期

7 趙春暉;陳萬海;楊雷;;高光譜遙感圖像最優(yōu)波段選擇方法的研究進展與分析[J];黑龍江大學自然科學學報;2007年05期

8 朱艷;劉曉莉;楊哲海;;高光譜數(shù)據(jù)的降維及Tabu搜索算法的應用[J];測繪科學技術(shù)學報;2007年01期

9 吐熱尼古麗;張曉帆;;基于人工神經(jīng)網(wǎng)絡的遙感圖像分類研究[J];長春師范學院學報;2006年02期

10 李石華,王金亮,畢艷,陳姚,朱妙園,楊帥,朱佳;遙感圖像分類方法研究綜述[J];國土資源遙感;2005年02期

相關博士學位論文 前3條

1 齊濱;高光譜圖像分類及端元提取方法研究[D];哈爾濱工程大學;2012年

2 高恒振;高光譜遙感圖像分類技術(shù)研究[D];國防科學技術(shù)大學;2011年

3 劉志剛;支撐向量機在光譜遙感影像分類中的若干問題研究[D];武漢大學;2004年

相關碩士學位論文 前3條

1 馬小麗;基于機器學習的高光譜圖像地物分類研究[D];廈門大學;2014年

2 景亞鵬;基于深度學習的欺騙性垃圾信息識別研究[D];華東師范大學;2014年

3 鄢華;模糊深度學習網(wǎng)絡算法的研究[D];哈爾濱工業(yè)大學;2012年

，

本文編號：2609923