高光譜圖像分類是遙感圖像處理領(lǐng)域的一個(gè)重要分支。傳統(tǒng)的分類方法無法充分利用高光譜圖像的空譜特征,導(dǎo)致分類精度較低�；谏疃葘W(xué)習(xí)的高光譜圖像分類方法能挖掘數(shù)據(jù)的隱藏信息,提取出更有利于圖像分類的特征。利用有限的數(shù)據(jù)樣本提取更豐富的特征,以及整合這些特征來提高分類精度,是高光譜圖像分類領(lǐng)域的熱門研究方向。本文結(jié)合高光譜圖像的光譜特征和空間特征,提出了兩種基于生成對(duì)抗網(wǎng)絡(luò)的高光譜圖像分類方法。主要?jiǎng)?chuàng)新工作如下:(1)針對(duì)高光譜圖像分類領(lǐng)域中特征利用不足的問題,提出了一種基于生成對(duì)抗網(wǎng)絡(luò)的高光譜圖像分類方法。根據(jù)高光譜圖像空間域和光譜域的相關(guān)性,利用卷積生成對(duì)抗網(wǎng)絡(luò)挖掘其深層特征,生成可分性更高的高光譜圖像,提升了分類精度。(2)針對(duì)高光譜圖像分類領(lǐng)域中空間信息利用不足的問題,提出了一種基于生成對(duì)抗網(wǎng)絡(luò)的像素鄰域的特征提取方法。先取像素點(diǎn)的鄰域圖像來訓(xùn)練生成對(duì)抗網(wǎng)絡(luò),將訓(xùn)練好的判別網(wǎng)絡(luò)作為鄰域圖像的特征提取器,使用判別網(wǎng)絡(luò)中的不同網(wǎng)絡(luò)層提取特征,然后利用提取的鄰域特征對(duì)圖像進(jìn)行分類。同時(shí),將提取的鄰域特征結(jié)合像素的光譜特征來提升分類精度。
【學(xué)位單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP751
【部分圖文】：

2 章 高光譜圖像的特點(diǎn)及常用分類方圖像的特點(diǎn)通常只有 RGB 或者 YUV 三個(gè)通道，圖像中含有的信息非常有漸成熟，目前高光譜成像技術(shù)能獲得上千個(gè)光譜波段，光譜分時(shí)也受到更多領(lǐng)域的重視。相比普通圖像，高光譜圖像擁有更一個(gè)數(shù)據(jù)立方體，不僅擁有和普通圖像一樣的空間信息，還擁的高光譜圖像結(jié)構(gòu)如圖 2-1 所示，x 和 y 表示空間維，z 代表光示兩種不同地物(Woods、Alfalfa)對(duì)應(yīng)的光譜曲線。

圖 2-2 同步處理策略步處理策略也被稱為特征融合策略，是指將提取的空間特征和光譜特征通過在一起，再輸入到分類器直接得到分類結(jié)果，步驟如圖 2-2 所示。常見的處空間特征和光譜特征轉(zhuǎn)換到不同的核空間，再通過核復(fù)合的方式來融合兩種空間特征和光譜特征進(jìn)行展平或拉伸處理后再送入分類器。同步策略能充分空間信息和光譜信息，但是特征融合增大了運(yùn)算量。

浙江工業(yè)大學(xué)碩士學(xué)位論文余弦值來衡量像素點(diǎn)的相似度，然后進(jìn)行分類。最小距離匹配法是一種監(jiān)督學(xué)距離未知樣本最近的已知樣本的類別標(biāo)簽賦給該樣本，常用的距離衡量標(biāo)準(zhǔn)有歐式距離等。 基于空譜結(jié)合的高光譜圖像分類方法隨著對(duì)高光譜圖像的深入研究，學(xué)者們發(fā)現(xiàn)空間域和光譜域信息的結(jié)合能有效分類精度。傳統(tǒng)的高光譜圖像分類方法通常是根據(jù)單個(gè)像素點(diǎn)的光譜信息進(jìn)行了空間信息，其分類結(jié)果容易出現(xiàn)椒鹽現(xiàn)象，引入空間信息能有效緩解這種現(xiàn)合的分類方法根據(jù)空譜信息結(jié)合方式的不同，可分為同步處理和后處理兩種策

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王斌;;基于高光譜圖像技術(shù)的水果表面農(nóng)藥殘留檢測(cè)觀察[J];種子科技;2017年04期

2 陳綾鋼;呂靖芳;;高光譜圖像技術(shù)在農(nóng)產(chǎn)品監(jiān)測(cè)中的應(yīng)用進(jìn)展[J];北京農(nóng)業(yè);2016年01期

3 朱貞映;袁建;何榮;;糧油中高光譜圖像技術(shù)的應(yīng)用現(xiàn)狀[J];糧食與飼料工業(yè);2016年09期

4 徐爽;何建國;馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術(shù)在水果品質(zhì)檢測(cè)中的研究進(jìn)展[J];食品研究與開發(fā);2013年10期

5 葉珍;白t

本文編號(hào)：2815754