針對(duì)當(dāng)前高光譜圖像處理方法無法對(duì)高光譜圖像進(jìn)行有效分類,為了提高光譜圖像分類正確率,提出了深度學(xué)習(xí)理論的高光譜圖像分類方法。首先分析了高光譜圖像分類的研究進(jìn)展,找到引起高光譜圖像分類正確率的原因,然后進(jìn)行高光譜圖像分類特征提取和選擇,建立高光譜圖像分類特征向量集,最后引入深度學(xué)習(xí)理論對(duì)高光譜圖像分類特征進(jìn)行學(xué)習(xí),建立高光譜圖像分類器,并采用當(dāng)前常用的高光譜圖像數(shù)據(jù)集進(jìn)行了仿真實(shí)驗(yàn),結(jié)果表明,本文方法的高光譜圖像分類精度超過90%,明顯減少了高光譜圖像分類誤差,高光譜圖像分類結(jié)果十分穩(wěn)定,獲得了比當(dāng)前高光譜圖像分類方法更好的結(jié)果。 

【文章來源】：激光雜志. 2020,41(09)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

仿真實(shí)驗(yàn)的對(duì)象

不同方法的高光譜圖像分類精度對(duì)比

【參考文獻(xiàn)】：
期刊論文
[1]基于正交指數(shù)局部保留投影的高光譜圖像特征提取[J]. 祝磊,胡奇峰,王棋林,楊君婷,嚴(yán)明.  光電子·激光. 2019(09)
[2]L1-2空譜全變差正則化下的高光譜圖像去噪[J]. 曾海金,蔣家偉,趙佳佳,王藝卓,謝曉振.  光子學(xué)報(bào). 2019(10)
[3]基于高階非線性模型的多目標(biāo)高光譜圖像解混算法[J]. 甘士忠,肖志濤,陳雷,南瑞杰.  紅外與激光工程. 2019(10)
[4]聯(lián)合光譜-空間信息的短波紅外高光譜圖像茶葉識(shí)別模型[J]. 蔡慶空,李二俊,蔣金豹,喬小軍,蔣瑞波,馮海寬,劉紹堂,崔希民.  光譜學(xué)與光譜分析. 2019(08)
[5]基于小波變換SAR圖像斑噪聲抑制算法的改進(jìn)[J]. 劉子豪,苗新剛,唐伯雁.  機(jī)器人技術(shù)與應(yīng)用. 2019(04)
[6]一種魯棒的SAR圖像匹配方法[J]. 吳元,喬文昇,邵鵬.  電訊技術(shù). 2019(07)
[7]綜合多特征的極化SAR圖像隨機(jī)森林分類算法[J]. 徐喬,張霄,余紹淮,陳啟浩,劉修國(guó).  遙感學(xué)報(bào). 2019(04)
[8]加權(quán)空-譜主成分分析的高光譜圖像分類[J]. 阿茹罕,何芳,王標(biāo)標(biāo).  國(guó)土資源遙感. 2019(02)
[9]基于棧式自編碼神經(jīng)網(wǎng)絡(luò)對(duì)高光譜遙感圖像分類研究[J]. 張國(guó)東,周浩,方淇,張露,楊峻.  紅外技術(shù). 2019(05)
[10]基于改進(jìn)棧式核稀疏深度模型的大規(guī)模極化SAR地物分類算法[J]. 肖茹.  計(jì)算機(jī)應(yīng)用與軟件. 2019(05)



本文編號(hào)：3078697