高光譜遙感技術(shù)是目前遙感技術(shù)領(lǐng)域的重要學(xué)科,高光譜數(shù)據(jù)包含的海量信息及其獨(dú)特的性質(zhì),使得高光譜圖像（Hyperspectral Image,HSI）分類(lèi)越來(lái)越多地被應(yīng)用于農(nóng)業(yè)、地理、氣象學(xué)和國(guó)防軍事等領(lǐng)域,因此值得我們深入研究。分類(lèi)任務(wù)中,如何獲取并學(xué)習(xí)數(shù)據(jù)的特征是重點(diǎn)和難點(diǎn),如何提取充分、有效的特征直接影響分類(lèi)結(jié)果。受自然語(yǔ)言處理領(lǐng)域相關(guān)思想的啟發(fā),本文的重點(diǎn)是在HSI中尋找具有序列關(guān)系的特征,再利用深度學(xué)習(xí)的框架完成對(duì)低層特征的抽象學(xué)習(xí),實(shí)現(xiàn)特征提取和分類(lèi)的一體化任務(wù)。本文的主要工作如下:（1）提出了一種基于流形學(xué)習(xí)和局部空間序列的長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)用于HSI分類(lèi),提取出更具表示性和判別性的高層語(yǔ)義特征。該方法針對(duì)單一傳統(tǒng)低層特征信息量不足、局部空間內(nèi)不同樣本對(duì)分類(lèi)模型的影響不同等問(wèn)題,在使用流形學(xué)習(xí)算法降維保持圖像的局部拓?fù)浣Y(jié)構(gòu)的基礎(chǔ)上,融合兩種低層特征并構(gòu)建樣本的局部空間序列特征,最終利用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)對(duì)局部空間序列特征進(jìn)行抽象學(xué)習(xí)同時(shí)分類(lèi)。本方法不僅得到了更具表示性和判別性的高層語(yǔ)義特征,并且通過(guò)構(gòu)建局部空間序列增強(qiáng)了有用像素對(duì)分類(lèi)的積極影響,抑制了無(wú)用像素的消極作用,提升了分類(lèi)... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

高光譜圖像結(jié)構(gòu)

圖 1.2 高光譜圖像數(shù)據(jù)立方體的發(fā)展也遇到很多阻礙。由于 HS維數(shù)過(guò)高會(huì)增加模型的計(jì)算復(fù)雜度關(guān)性，當(dāng)選擇過(guò)多的具有相關(guān)性的況等。所以，處理分析 HSI 的核心

圖 2.1 自編碼器的結(jié)構(gòu) 是將多個(gè)的隱層堆棧式的堆疊起來(lái)，SAE 網(wǎng)絡(luò)類(lèi)的基本結(jié)構(gòu)如圖 2.2 所示。SAE 的輸入特征為訓(xùn)練得到每層的參數(shù)，當(dāng)預(yù)訓(xùn)練完所有層的參x 層進(jìn)行多分類(lèi)處理，并反向傳導(dǎo)輸入樣本的標(biāo)

【參考文獻(xiàn)】：
期刊論文
[1]高光譜遙感影像分類(lèi)研究進(jìn)展[J]. 杜培軍,夏俊士,薛朝輝,譚琨,蘇紅軍,鮑蕊.  遙感學(xué)報(bào). 2016(02)
[2]基于概率潛語(yǔ)義分析模型的高光譜影像層次聚類(lèi)分析[J]. 易文斌,慎利,齊銀鳳,唐宏.  光譜學(xué)與光譜分析. 2011(09)
[3]高光譜遙感技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀[J]. 楊國(guó)鵬,余旭初,馮伍法,劉偉,陳偉.  測(cè)繪通報(bào). 2008(10)
[4]利用成像光譜遙感技術(shù)識(shí)別和提取礦化蝕變信息——以河北赤城—崇禮地區(qū)為例[J]. 甘甫平,王潤(rùn)生,郭小方,張宗貴,王青華,楊蘇明.  現(xiàn)代地質(zhì). 2000(04)



本文編號(hào)：3383752