高光譜遙感技術(shù)一直以來是遙感領(lǐng)域的一個(gè)研究熱點(diǎn),在很多實(shí)際場景中產(chǎn)生了良好的社會(huì)經(jīng)濟(jì)效益。因此不斷改進(jìn)和完善高光譜數(shù)據(jù)的處理分析方法是人們所迫切需要的。雖然傳統(tǒng)特征提取方法在高光譜數(shù)據(jù)上的應(yīng)用已初見成效,但是并沒有很好地解決高光譜數(shù)據(jù)的數(shù)據(jù)冗余和人工標(biāo)記樣本缺乏等問題。針對(duì)高光譜數(shù)據(jù)非線性的特點(diǎn),本文首先基于流形學(xué)習(xí)方法,在其基礎(chǔ)上進(jìn)行改進(jìn)和優(yōu)化,提出了一種新的特征提取方法。近些年深度學(xué)習(xí)方法由于其強(qiáng)大的特征學(xué)習(xí)能力,在高光譜數(shù)據(jù)的特征提取與分類上表現(xiàn)得越來越搶眼。本文針對(duì)高光譜數(shù)據(jù)存在人工標(biāo)記的訓(xùn)練樣本有限等問題,設(shè)計(jì)了一種基于多層特征融合的卷積神經(jīng)網(wǎng)絡(luò)模型,用于提取高光譜數(shù)據(jù)的非線性特征并最終實(shí)現(xiàn)分類。主要研究內(nèi)容如下:(1)針對(duì)原始高光譜數(shù)據(jù)的噪聲問題,首先對(duì)其進(jìn)行降噪等預(yù)處理操作,然后將校正后的三維高光譜數(shù)據(jù)轉(zhuǎn)化成二維數(shù)據(jù)。(2)針對(duì)高光譜數(shù)據(jù)的非線性特征及“小樣本”問題,本文在流形學(xué)習(xí)方法基礎(chǔ)上提出了一種正交指數(shù)判別局部保留投影法(Orthogonal Exponential Discriminant Locality Preserving Projection,OEDLPP...

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１高光譜數(shù)據(jù)結(jié)構(gòu)示意圖??２．２高光譜實(shí)驗(yàn)數(shù)據(jù)集??

標(biāo)的識(shí)別和檢測就越準(zhǔn)確［４１］。高光譜數(shù)據(jù)包括了空間域和光譜域，分別代表了地物特征信息??和每一個(gè)被觀測地物的光譜信息。高光譜遙感數(shù)據(jù)就是將兩者疊加得到一個(gè)立方體，完整地??將地物特征和光譜信息結(jié)合在一起，使其具有“圖譜合一”的性質(zhì)。如圖２．１為高光譜數(shù)據(jù)的??三維結(jié)構(gòu)示意圖。從....

圖２．２?Ｉｎｄｉａｎ?Ｐｉｎｅｓ偽彩色圖及地物的真實(shí)類別標(biāo)記圖??

Ｉｎｄｉａｎ?Ｐｉｎｅｓ數(shù)據(jù)是由ＡＶＩＲＩＳ傳感器在印第安納州西北部的Ｉｎｄｉａｎ?Ｐｉｎｅｓ地區(qū)采集的，大??小為１４５ｘ１４５，由２２４個(gè)光譜波段組成。其中光譜波段范圍為０．４￣２．５ｘｌ〇－６ｍ。該數(shù)據(jù)的偽彩??色圖（波段選擇５７，?２７，?１７）如圖２．２（ａ）所示，圖２....

圖２．３?ＰａｖｉａＣ偽彩色圖及地物的真實(shí)類別標(biāo)記圖??表２．２?ＰａｖｉａＣ數(shù)據(jù)集樣本類別及其數(shù)量??

原始大小為１０９６ｘ１０％，但是該數(shù)據(jù)的一些樣本不包含地表信息，我們通過預(yù)處理方法將其??丟棄。因此通過校正后的數(shù)據(jù)大小為丨０９６ｘ７丨５，擁有１０２個(gè)波段。該數(shù)據(jù)的偽彩色圖（波段??選擇６８，?３０，?２）如圖２．３（ａ）所示，圖２．３（ｂ）給出了數(shù)據(jù)集的真實(shí)類別標(biāo)記，同一顏色....

圖２．４?ＰａｖｉａＵ偽彩色圖及地物的真實(shí)類別標(biāo)記圖??

６１０ｘ６１０，我們?nèi)孕鑱G棄與本文分類實(shí)驗(yàn)無關(guān)且不包含地表信息的無用樣本。原數(shù)據(jù)校正得到??的圖像大小為６１０ｘ３４０，擁有１０３個(gè)波段。該數(shù)據(jù)的偽彩色圖（波段選擇６８，?３０，２）如圖??２．４（ａ）所示，圖２．４（ｂ）給出了數(shù)據(jù)集的真實(shí)類別標(biāo)記。該觀測場景對(duì)９類地物進(jìn)行了標(biāo)記....

本文編號(hào)：3915717