近些年來,合成孔徑雷達(Synthetic Aperture Radar,SAR)技術蓬勃發(fā)展,多顆SAR遙感衛(wèi)星成功發(fā)射。GF-3作為我國首顆C波段SAR衛(wèi)星,在地球科學、氣候變化研究、森林資源調查等領域發(fā)揮重要作用,使我國的遙感應用進入新的階段。然而,如何從海量遙感數據中快速準確地提取地物信息,是遙感工作者亟待解決的問題。目前,在大數據的支持下,以深度學習為代表的人工智能技術掀起了巨大的浪潮,其在多個應用中展示的能力遠遠超過了傳統(tǒng)的圖像處理算法。本文將深度學習應用在GF-3極化SAR地物類型分類的工作中。采用具有代表性的深度卷積Highway Unit神經網絡。該網絡通過交替的卷積層和池化層從SAR圖像中自動學習多層高級特征表達,能夠很好的抵抗噪聲的影響,充分挖影像在時間和空間上的規(guī)律,有效提高地物分類精度。本文的研究內容包括以下三個方面:(1)本文采用Schmidhuber教授提出的深度卷積Highway Unit神經網絡,通過可反復堆疊的Highway網絡學習單元,使其優(yōu)化方法基本與網絡的深度獨立,某種程度解決了網絡信息損耗的問題,可以用較少的樣本訓練任意深度的網絡。(2)為了...

【文章頁數】：61 頁

【學位級別】：碩士

【部分圖文】：

圖2.1常見的非線性激活函數的函數圖像

2深度卷積HighwayUnit網絡的構建與數據預處理這樣輸入和輸出的關系可以表示為：11211222''''''WyxWxxWxWxW（2.6）其中W'是新的參數。前向傳播算法與線性模型的定....

圖2.2兩種激活函數及梯度比較

圖2.2兩種激活函數及梯度比較2.1.3損失函數神經網絡模型是通過損失函數（lossfunction）來評價模型訓練的效果及優(yōu)化過程[56]。交叉熵（crossentropy）是常用的評判方法之一。交叉熵通常用來刻畫兩個概率分布之間的距離。假設兩個概率分布分別是p和....

圖2.3卷積神經網絡的原理

其中J(W)的損失函數，是控制步長學習速度，wd和m表示表示權重衰減和動量。2.2傳統(tǒng)的卷積神經網絡深度卷積神經網絡(ConvolutionalNeuralNetwork，CNN)是一種特別適合計算機視覺應用的神經網絡，因為它能夠通過局部操作對特征進行分層表....

圖2.4卷積層的運算過程

西安科技大學碩士學位論文是從輸入圖像中提取特征，通過使用輸入數據中的大小方塊來學操作保留了像素間的空間關系。卷積的計算過程是這樣的：如圖陣在原始圖像上以每次一個像素的速率（也稱為“步幅”）移動兩個矩陣相對元素的乘積并相加，輸出一個整數并作為最終輸出個33的矩陣被稱為“過濾器....

本文編號：3900180