【摘要】：隨著遙感技術的發(fā)展,多光譜圖像在日常生活中和軍事上的應用越來越廣泛。多光譜圖像不僅承載了地物的形態(tài)和結構特征信息,還包含了地物的光譜特征。利用多光譜圖像數(shù)據(jù)對地物進行分類,是遙感圖像領域一項重要的科研課題,具有顯著的理論價值以及實際應用價值。隨著圖像中包含的信息量越來越大,傳統(tǒng)的圖像分類方法由于其挖掘圖像特征的能力有限,無法充分地提取有用的分類信息,已經(jīng)難以滿足實際應用的需求,而隨著深度學習在圖像方面的應用,深度學習表現(xiàn)出了強大的圖像特征表達能力,成為一種挖掘圖像深層特征和分類信息的新方法。另外,多光譜圖像雖然光譜信息比較豐富,但其空間分辨率通常比較低,空間細節(jié)信息較少,這在一定程度上影響了對多光譜圖像的分類結果。為了解決這個問題,通常需要通過圖像融合的方法,獲取更多的空間細節(jié)信息,進一步提高對圖像的分類效果。論文以多光譜圖像為基礎,深入開展了基于注意力機制和深度學習的多光譜圖像融合及地物分類的研究,利用實際地物數(shù)據(jù)進行實驗仿真,主要內(nèi)容為以下三個方面:1.提出了基于注意力機制和DenseNet的多光譜圖像地物分類。在DenseNet中,隨著特征圖數(shù)量逐漸增多,會產(chǎn)生一定的信息冗余,并且在眾多特征圖中有一些特征對分類任務非常有用,而有些特征對分類任務的用處并不太大,于是提出了一種基于注意力機制的DenseNet網(wǎng)絡,并將這種網(wǎng)絡命名為加權DenseNet網(wǎng)絡。該網(wǎng)絡能夠更加關注對分類效果有用的特征,忽略對分類作用不大的特征,減輕信息冗余的問題,提高多光譜圖像分類任務的效率,增強分類效果。2.提出了基于復數(shù)加權DenseNet的多光譜圖像地物分類。目前大多數(shù)神經(jīng)網(wǎng)絡都是在實數(shù)域上搭建的,但是,研究表明復數(shù)神經(jīng)網(wǎng)絡具有更強的特征表達能力,也具有更強的魯棒性。因此,將加權DenseNet拓展到了復數(shù)域上,提出了一種復數(shù)加權DenseNet網(wǎng)絡結構,使得網(wǎng)絡能夠更有效地提取和表達圖像的特征,分類效果更加準確有效。3.提出了基于復曲波融合網(wǎng)絡的多光譜圖像融合及地物分類。通過對多光譜圖像和全色圖像進行融合,能夠結合兩種圖像的優(yōu)點,獲得更多對分類有用的信息。由于曲波變換具有很強的各向異性,通過曲波變換對兩種圖像進行融合,可以增強對圖像的表達能力。因此在復數(shù)加權DenseNet的基礎上,結合曲波變換,提出了一種基于曲波變換的復曲波融合網(wǎng)絡,進一步改善對多光譜圖像的分類效果。
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP751

【相似文獻】

相關期刊論文 前10條

1 馬啟明;;多光譜圖像技術在食品品質(zhì)檢測中的應用研究[J];食品界;2017年04期

2 孫根云;張愛竹;王振杰;;基于數(shù)據(jù)場模型的多光譜圖像邊緣檢測[J];東南大學學報(自然科學版);2013年S1期

3 ;我國研制出同時獲取立體和多光譜圖像方法[J];現(xiàn)代科學儀器;2011年02期

4 ;我國研制出同時獲取立體和多光譜圖像的方法[J];光學儀器;2011年03期

5 李嬋;萬曉霞;謝偉;李天庭;梁金星;;照明光源對多光譜圖像采集精度影響的研究[J];激光雜志;2016年12期

6 李云;楊海清;;多光譜圖像技術在土壤酸堿度檢測中的應用[J];紅外;2014年03期

7 黃云仙;李祥;艾未華;;多光譜圖像的無損壓縮方法[J];計算機工程與科學;2010年04期

8 李云松;孔繁鏘;吳成柯;雷杰;;基于分布式信源編碼的干涉多光譜圖像壓縮[J];光學學報;2008年08期

9 鄧黎;李元祥;;基于整數(shù)小波變換的MODIS多光譜圖像無損壓縮[J];解放軍理工大學學報(自然科學版);2007年01期

10 王海文;李杰;萬曉霞;盧玲;阮渭平;壽偉克;毛立洪;李云霞;;面向高保真復現(xiàn)的多光譜圖像融合算法[J];數(shù)字印刷;2019年02期

相關會議論文 前10條

1 孫根云;張愛竹;王振杰;;基于數(shù)據(jù)場模型的多光譜圖像邊緣檢測[A];2013年中國智能自動化學術會議論文集（第三分冊）[C];2013年

2 黃云仙;李祥;艾未華;;多光譜圖像的無損壓縮方法[A];2009第五屆蘇皖兩省大氣探測、環(huán)境遙感與電子技術學術研討會專輯[C];2009年

3 陳海永;楊佳博;王慶;王濤;陳鵬;劉坤;;復雜背景太陽能電池片表面缺陷多光譜圖像融合[A];2018中國自動化大會(CAC2018)論文集[C];2018年

4 邸(韋冿);;基于三維高斯馬爾可夫隨機場模型的多光譜圖像目標自動檢測[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

5 張憲偉;宋建社;張紅蕾;廖增為;;SAR圖像與多光譜圖像融合方法研究[A];第三屆全國數(shù)字成像技術及相關材料發(fā)展與應用學術研討會論文摘要集[C];2004年

6 姜偉杰;孫明;孫潔瓊;;基于光譜分析及光譜圖像技術作物長勢檢測研究綜述[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術年會（CSAE 2009）論文集[C];2009年

7 劉吉平;郭艷柳;;一個基于慣量橢球的遙感圖像匹配新算法[A];第十七屆中國遙感大會摘要集[C];2010年

8 王海華;張彥娥;郭威;;基于多光譜圖像的玉米營養(yǎng)監(jiān)測技術研究[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

9 蔣年德;王耀南;;基于小波包變換融合TM多光譜圖像與SPOT全色圖像[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

10 況軍;羅建書;黃志雄;;基于三維自適應預測的多光譜圖像的無損壓縮算法[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

相關重要報紙文章 前2條

1 記者 詹媛;首批高分辨率衛(wèi)星影像圖發(fā)布[N];光明日報;2013年

2 電子系;清華技術精準鑒別鈔票真?zhèn)蝃N];新清華;2011年

相關博士學位論文 前10條

1 HANANE TEFFAHI;高光譜和多光譜圖像分類的譜-空間特征提取技術[D];哈爾濱工業(yè)大學;2018年

2 李嬋;彩繪文物多通道光譜圖像獲取方法研究[D];武漢大學;2016年

3 潘之瑋;基于圖像融合的多光譜圖像超分辨率重建算法[D];浙江大學;2019年

4 陳書界;多光譜圖像配準與去模糊方法研究[D];浙江大學;2018年

5 翟林;自適應多光譜圖像稀疏逼近濾波算法研究[D];山東大學;2018年

6 張凱;基于稀疏矩陣分解的遙感圖像融合[D];西安電子科技大學;2018年

7 隋延林;基于張量的多光譜圖像云檢測與在軌實時處理研究[D];中國科學院大學(中國科學院長春光學精密機械與物理研究所);2019年

8 金劍秋;多光譜圖像的融合與配準[D];浙江大學;2005年

9 梁瑋;基于光譜特性的多光譜圖像壓縮方法研究[D];西安電子科技大學;2014年

10 戎凱旋;基于投影替代與矩陣低秩稀疏分解的多光譜圖像融合[D];西安電子科技大學;2016年

相關碩士學位論文 前10條

1 吳育新;部分相干光照明的多光譜圖像重構算法研究[D];南昌大學;2019年

2 李藝健;無人機低空遙感多光譜圖像預處理與拼接技術研究[D];浙江大學;2019年

3 王茜;基于注意力機制和復曲波融合網(wǎng)絡的多光譜圖像融合及地物分類[D];西安電子科技大學;2019年

4 侯禮超;多光譜圖像采集控制及數(shù)據(jù)處理技術研究[D];西安電子科技大學;2019年

5 張德鈞;基于Faster R-CNN和多光譜圖像的漂浮HNS檢測與分類研究[D];浙江大學;2019年

6 王志輝;印度幣多光譜圖像識別方法研究[D];華中科技大學;2019年

7 楊駿鋒;基于卷積神經(jīng)網(wǎng)絡的Pan-sharpening方法[D];廈門大學;2018年

8 何欣;多光譜圖像深度特征描述與魯棒匹配[D];北京郵電大學;2019年

9 閆昱光;基于多光譜圖像的水稻估產(chǎn)模型研究[D];東北農(nóng)業(yè)大學;2019年

10 朱晨青;基于多光譜圖像技術的迷彩面料顏色測量分析[D];江南大學;2019年

，

本文編號：2659041