圖像分類是高光譜遙感中一個(gè)最熱門的領(lǐng)域。尤其是高光譜圖像的分類技術(shù)已經(jīng)在民用和軍事等領(lǐng)域內(nèi)實(shí)現(xiàn)了很大的進(jìn)展,應(yīng)用變得十分廣泛。最近幾年,由于高光譜的成像技術(shù)和成像光譜儀的飛速發(fā)展,高光譜圖像的光譜分辨率與空間分辨率也得到了進(jìn)一步提高。由于提高了光譜分辨率,我們可以得到對地遙感充足的信息,然而同時(shí)卻給接下來的圖像處理帶來了新的壓力和巨大挑戰(zhàn)。如何從波段數(shù)目眾多的高光譜圖像中捕捉需要的有效信息,進(jìn)而實(shí)現(xiàn)精準(zhǔn)的分類,這仍然是一個(gè)迫切需要解決的研究問題。本文針對高光譜圖像本身的特點(diǎn),利用基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型,提取原始高光譜圖像的非線性特征,這種特征具有高度的辨別力,從而實(shí)現(xiàn)了對高光譜圖像更加精準(zhǔn)的分類。本文主要研究了兩種基于深度學(xué)習(xí)的模型:堆棧自編碼器和卷積神經(jīng)網(wǎng)絡(luò)。本文完成的工作和成果主要包括以下幾個(gè)方面:首先,這篇論文詳細(xì)地闡述了高光譜圖像的理論基礎(chǔ)。分析介紹了高光譜圖像的本身數(shù)據(jù)特點(diǎn),以及國內(nèi)外現(xiàn)有的一些高光譜圖像的分類方法。其次,學(xué)習(xí)研究了深度學(xué)習(xí)的兩種網(wǎng)絡(luò)模型。我們主要介紹了深度堆棧自編碼器網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu),詳細(xì)地介紹了卷積和池化操作的概念,以及局部感受野與參數(shù)共享... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：95 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．?１高光譜遙感圖像??２??

基本的自編碼器（ＡＵｔ〇ｅｎｃ〇ｄｅｒ，ＡＥ）主要目標(biāo)是通過最小化重構(gòu)誤差學(xué)習(xí)輸入數(shù)??據(jù)的特征表示［３（）］。它的實(shí)質(zhì)是重構(gòu)了原始輸入數(shù)據(jù)。自編碼器的基本結(jié)構(gòu)包括一個(gè)編??碼器與一個(gè)解碼器，如圖２．１所示。它是一個(gè)包含三層的神經(jīng)網(wǎng)絡(luò)：輸入層、隱藏層??與輸出層，其中輸入層與輸入層具有相同的維度。??甫建的輸入???ｖ?＇??廣、廠＇．．．廣、??ｗ?＾??．?＇Ｊ?Ｕ?Ｕ?匕，、―，??輸入數(shù)據(jù)??圖２．１自編碼器基本模型??９??

圖４＊４?特征


本文編號：3604588