高光譜遙感圖像一般由幾十到上百個波段組成,富含豐富的光譜信息和空間信息,在國土測繪、地質(zhì)礦產(chǎn)勘探、軍事目標識別與追蹤等各個領(lǐng)域有廣泛的應(yīng)用。然而由于高光譜遙感圖像維度高、有標記樣本少,數(shù)據(jù)間存在大量冗余,為圖像的分類帶來了極大地難度。因此,在大量的、復(fù)雜度高的高光譜圖像數(shù)據(jù)中高效的提取特征并用于分類是非常有必要的。本文根據(jù)高光譜圖像的特點,采用了基于圖嵌入和深度學(xué)習(xí)方法來對高光譜遙感圖像進行分析。本文研究內(nèi)容歸納如下:（1）提出了一種基于稀疏低秩正則圖張量化嵌入的高光譜圖像分類方法。為了充分利用高光譜圖像的空譜信息且保持數(shù)據(jù)本身固有的高階特性不變,提出了使用張量化圖嵌入框架來實現(xiàn)空譜特征提取,所獲得的低維投影不僅包含了樣本本身的光譜信息,而且融入了樣本空間鄰域信息,更具有判別性。此外,結(jié)合稀疏低秩表示對數(shù)據(jù)的局部結(jié)構(gòu)和全局結(jié)構(gòu)的表示能力,利用拉普拉斯正則項保持樣本間幾何拓撲關(guān)系,構(gòu)建了信息更加豐富的稀疏低秩正則圖。最后,在高光譜圖像上進行實驗驗證,在邊緣和同質(zhì)區(qū)域獲得了比其他方法高的分類精度。（2）提出了一種基于樣本擴充與生成對抗網(wǎng)絡(luò)的高光譜圖像特征提取和分類算法。由于高光譜遙感圖像有... 

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

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【部分圖文】：

高光譜遙感圖像示意圖

LE投影示意圖

型訓(xùn)練復(fù)雜度低等優(yōu)勢，已在人臉識別、目標檢測和追蹤、自然語言處理等領(lǐng)域了廣泛的應(yīng)用。CNN 與一般的神經(jīng)網(wǎng)絡(luò)的區(qū)別是采用了卷積層和池化層兩種模塊。下圖是經(jīng) CNN 模型 LeNet 的網(wǎng)絡(luò)架構(gòu)圖，包含兩個卷積層、兩個池化層。


本文編號：3463485