本文選題：高光譜遙感影像分類　切入點(diǎn)：空譜特征　出處：《計(jì)算機(jī)工程與應(yīng)用》2017年17期 　論文類型：期刊論文

【摘要】：針對當(dāng)前高光譜遙感影像分類人工標(biāo)注樣本費(fèi)時(shí)費(fèi)力,大量未標(biāo)注樣本未得到有效利用以及主要利用光譜信息而忽視空間信息等問題,提出了一種空-譜信息與主動(dòng)深度學(xué)習(xí)相結(jié)合的高光譜影像分類方法。首先利用主成分分析對原始影像進(jìn)行降維,在此基礎(chǔ)上提取像素的一正方形小鄰域作為該像素的空間信息并結(jié)合其原始光譜信息得到空譜特征。然后,通過稀疏自編碼器得到原始數(shù)據(jù)的稀疏特征表達(dá),并通過逐層無監(jiān)督學(xué)習(xí)稀疏自編碼器構(gòu)建深度神經(jīng)網(wǎng)絡(luò),輸出原始數(shù)據(jù)的深度特征,將其連接到softmax分類器,利用少量標(biāo)記樣本以監(jiān)督學(xué)習(xí)的方式完成模型的精調(diào)。最后,利用主動(dòng)學(xué)習(xí)算法選擇最不確定性樣本對其進(jìn)行標(biāo)注,并加入至訓(xùn)練樣本以提高分類器的分類效果。分別對Pavia U影像和Pavia C影像進(jìn)行分類實(shí)驗(yàn)的結(jié)果表明,該方法在少量標(biāo)記樣本情況下,相對于傳統(tǒng)方法能有效地提高分類精度。
[Abstract]:In order to solve the problems such as manual labeling of hyperspectral remote sensing images is time-consuming and laborious, a large number of unlabeled samples are not effectively used and spatial information is ignored by the main use of spectral information. A hyperspectral image classification method based on space-spectral information and active depth learning is proposed. Firstly, the dimension reduction of the original image is performed by principal component analysis (PCA). On this basis, a small square neighborhood of the pixel is extracted as the spatial information of the pixel and the spatial spectral feature is obtained by combining the original spectral information. Then, the sparse feature representation of the original data is obtained by sparse self-encoder. The depth neural network is constructed by layer by layer unsupervised learning sparse self-encoder, and the depth features of the original data are output, which are connected to the softmax classifier, and the fine tuning of the model is accomplished by using a small number of labeled samples to supervise the learning. Active learning algorithm is used to select the most uncertain samples and add them to the training samples to improve the classification effect of the classifier. The results of classification experiments on Pavia U and Pavia C images show that, Compared with the traditional method, this method can effectively improve the classification accuracy in the case of a small number of labeled samples.
【作者單位】： 河海大學(xué)地球科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金(No.41271420/D010702)
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 范冬娟;張韶華;;高光譜影像反射率反演方法的研究[J];海洋測繪;2006年03期

2 甘甫平;王潤生;;高光譜遙感技術(shù)在地質(zhì)領(lǐng)域中的應(yīng)用[J];國土資源遙感;2007年04期

3 余旭初;楊國鵬;馮伍法;周欣;;基于簡約集支持向量機(jī)的高光譜影像分類[J];計(jì)算機(jī)科學(xué);2010年11期

4 李新雙;張良培;李平湘;吳波;;基于小波分量特征值匹配的高光譜影像分類[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2006年03期

5 楊可明;陳云浩;郭達(dá)志;蔣金豹;;基于高光譜影像的小麥條銹病光譜信息探測與提取(英文)[J];光子學(xué)報(bào);2008年01期

6 蘇俊英;舒寧;;一種基于非線性增益小波濾波的高光譜影像去噪技術(shù)研究[J];遙感技術(shù)與應(yīng)用;2008年04期

7 楊可明;李慧;郭達(dá)志;;基于最佳小波包基的高光譜影像特征制圖[J];測繪學(xué)報(bào);2008年01期

8 楊國鵬;余旭初;劉偉;陳偉;;基于支持向量機(jī)的高光譜影像分類研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年08期

9 董超;趙慧潔;;關(guān)聯(lián)向量機(jī)在高光譜影像分類中的應(yīng)用[J];遙感學(xué)報(bào);2010年06期

10 馮海亮;潘競文;黃鴻;;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2014年S1期

相關(guān)會(huì)議論文 前4條

1 于美嬌;董廣軍;張永生;紀(jì)松;楊靖宇;;一種基于極大后驗(yàn)估計(jì)的高光譜影像分辨率增強(qiáng)方法[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

2 張杰林;;砂巖型鈾礦床高光譜數(shù)據(jù)挖掘技術(shù)研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

3 董彥芳;龐勇;;高光譜影像與LiDAR數(shù)據(jù)融合提取城市目標(biāo)提取[A];中國地震學(xué)會(huì)空間對地觀測專業(yè)委員會(huì)2013年學(xué)術(shù)研討會(huì)論文摘要集[C];2013年

4 李飛;周成虎;陳榮國;;基于光譜曲線形態(tài)的高光譜影像檢索方法研究[A];第二屆中國科學(xué)院博士后學(xué)術(shù)年會(huì)暨高新技術(shù)前沿與發(fā)展學(xué)術(shù)會(huì)議程序冊[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 楊國鵬;基于機(jī)器學(xué)習(xí)方法的高光譜影像分類研究[D];解放軍信息工程大學(xué);2010年

相關(guān)碩士學(xué)位論文 前7條

1 張風(fēng);基于子空間學(xué)習(xí)的高光譜影像地物分類[D];西安電子科技大學(xué);2015年

2 祝鵬飛;面向?qū)ο蟮母吖庾V影像地物分類技術(shù)研究[D];解放軍信息工程大學(xué);2011年

3 楊國鵬;基于核方法的高光譜影像分類與特征提取[D];解放軍信息工程大學(xué);2007年

4 潘競文;半監(jiān)督鄰域保持嵌入在高光譜影像分類中的應(yīng)用[D];重慶大學(xué);2014年

5 徐衛(wèi)霄;高光譜影像集成學(xué)習(xí)分類及后處理技術(shù)研究[D];解放軍信息工程大學(xué);2011年

6 聞兵工;地物光譜特征分析技術(shù)研究[D];解放軍信息工程大學(xué);2009年

7 陳偉;高光譜影像混合像元分解技術(shù)研究[D];解放軍信息工程大學(xué);2009年

，

本文編號：1617638