高光譜遙感相比傳統(tǒng)遙感技術(shù)具有波段多、分辨率高、數(shù)據(jù)量大、信息冗余增加等新特點,其標(biāo)志性特征是圖譜合一。近年來高光譜遙感受到國內(nèi)外科技工作者的高度重視。高光譜遙感圖像分類作為獲取地物信息的重要途徑之一,成為了遙感領(lǐng)域研究的熱點。本文以高光譜遙感圖像分類為目標(biāo),針對高光譜遙感圖像帶標(biāo)記樣本少、人工標(biāo)記成本高、傳統(tǒng)神經(jīng)網(wǎng)絡(luò)分類法容易因訓(xùn)練樣本不足而出現(xiàn)過擬合、分類精度不高等問題,提出了一種基于輔助分類器生成對抗網(wǎng)絡(luò)的高光譜遙感圖像分類法（HS-ACGAN）。利用生成對抗網(wǎng)絡(luò)的優(yōu)勢在訓(xùn)練過程中減少對標(biāo)記樣本的需求,同時學(xué)習(xí)到地物的光譜特征,并對樣本的所屬類別做出預(yù)測。同時研究了該分類模型中訓(xùn)練樣本率和塊大小對分類精度的影響。針對高光譜圖像易受噪聲干擾,光譜間存在“同物異譜”和“異物同譜”的現(xiàn)象,本文提出利用卷積神經(jīng)網(wǎng)絡(luò)對基于輔助分類器生成對抗網(wǎng)絡(luò)的光譜特征分類法（ACGAN-CNN）。我們將預(yù)訓(xùn)練的輔助分類器生成對抗網(wǎng)絡(luò)中的判別器作為光譜特征提取器,利用卷積神經(jīng)網(wǎng)絡(luò)對光譜特征進行分類。實驗表明,該方法可以降低誤分,提升分類精度。針對現(xiàn)有的基于生成對抗網(wǎng)絡(luò)的高光譜遙感圖像分類方法較少,且大多只... 

【文章來源】：華僑大學(xué)福建省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

PaviaUniversity數(shù)據(jù)集單波段灰度圖及地面實況

PaviaUniversity數(shù)據(jù)集中9類地物的光譜曲線

Indian Pines 數(shù)據(jù)集原始數(shù)據(jù)包含 224 個波段，光譜覆蓋范圍為 0.4~2.5空間分辨率為 20m,圖像大小為 145px*145px。去除 4 個嚴(yán)重受損的波段和 20水 吸 收 波 段 后 剩 余 200 個 波 段 , 最 后 實 驗 使 用 的 實 際 圖 像 大 小145px*145px*200①。數(shù)據(jù)集包含 16 類地物，其單波段灰度圖和地物實況分布圖 1.3 所示。

【參考文獻(xiàn)】：
期刊論文
[1]一種利用空間和光譜信息的高光譜遙感多分類器動態(tài)集成算法[J]. 蘇紅軍,劉浩.  國土資源遙感. 2017(02)
[2]生成式對抗網(wǎng)絡(luò)GAN的研究進展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍.  自動化學(xué)報. 2017(03)
[3]一種基于圖像熵的密度峰值聚類波段選擇方法[J]. 趙海士,路來君,楊晨.  吉林大學(xué)學(xué)報(理學(xué)版). 2017(02)
[4]高光譜遙感影像分類研究進展[J]. 杜培軍,夏俊士,薛朝輝,譚琨,蘇紅軍,鮑蕊.  遙感學(xué)報. 2016(02)
[5]訓(xùn)練樣本數(shù)量選擇和總體分類精度的關(guān)系研究[J]. 王春來,張森原,崔璐,葛玉停,張金祿,張淼泓.  河南城建學(xué)院學(xué)報. 2015(03)
[6]一種多特征結(jié)合的遙感圖像分類方法[J]. 俞璐,謝鈞.  計算機應(yīng)用與軟件. 2014(11)
[7]基于中間層特征的全極化SAR監(jiān)督地物分類[J]. 任俊英,蘇彩霞,曹永鋒.  遙感技術(shù)與應(yīng)用. 2014(02)
[8]高光譜影像的多核SVM分類[J]. 譚熊,余旭初,秦進春,魏祥坡.  儀器儀表學(xué)報. 2014(02)
[9]基于KMNF和BP神經(jīng)網(wǎng)絡(luò)的高光譜遙感影像分類[J]. 林娜,楊武年,王斌.  計算機工程與設(shè)計. 2013(08)
[10]空-譜二維蟻群組合優(yōu)化SVM的高光譜圖像分類[J]. 陳善靜,胡以華,石亮,王磊,孫杜娟,徐世龍.  光譜學(xué)與光譜分析. 2013(08)

博士論文
[1]基于半監(jiān)督集成支持向量機的土地覆蓋遙感分類方法研究[D]. 劉穎.中國科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所) 2013

碩士論文
[1]基于深度學(xué)習(xí)的高光譜遙感圖像分類[D]. 王巧玉.華僑大學(xué) 2016
[2]結(jié)合近鄰選擇的高光譜圖像分類算法研究[D]. 趙振凱.南京師范大學(xué) 2016
[3]卷積神經(jīng)網(wǎng)絡(luò)研究及其在基音檢測中的應(yīng)用[D]. 黃志強.內(nèi)蒙古大學(xué) 2015
[4]基于支持向量機的高光譜遙感圖像分類方法研究[D]. 高曉健.杭州電子科技大學(xué) 2013



本文編號：3491954