近年來(lái),高光譜成像技術(shù)的影響力以及快速發(fā)展,不僅引起了遙感界的極大興趣,同時(shí)也得到了軍事、農(nóng)業(yè)、環(huán)境科學(xué)、醫(yī)學(xué)等其它領(lǐng)域高度重視。其中,高光譜圖像特征提取與分類是最活躍的話題之一。鑒于高光譜數(shù)據(jù)高分辨譜特征對(duì)物體的識(shí)別能力、“圖譜合一”等優(yōu)勢(shì),以及各種因素引起的非線性、“同物異譜,同譜異物”等缺陷,結(jié)合空譜信息提取具有判別性以及表示能力的高光譜圖像特征,將強(qiáng)有力地推動(dòng)高光譜成像技術(shù)在各大研究領(lǐng)域的應(yīng)用發(fā)展。本文通過(guò)對(duì)高光譜數(shù)據(jù)的深入分析,以及在總結(jié)現(xiàn)有高光譜圖像特征提取與分類方法的基礎(chǔ)上,針對(duì)判別性空譜特征提取與精確目標(biāo)識(shí)別展開(kāi)研究。主要的研究?jī)?nèi)容概括如下:1)考慮結(jié)合局部以及全局信息提取空間特征,本文利用遷移學(xué)習(xí)以及聯(lián)合稀疏表示方法,提出一種基于深度多尺度特征的多任務(wù)聯(lián)合稀疏表示學(xué)習(xí)方法對(duì)高光譜圖像進(jìn)行分類。該方法通過(guò)遷移VGG-16網(wǎng)絡(luò)中所有卷積模塊的濾波器參數(shù),提取高光譜圖像在不同尺度下的局部空間信息以及全局語(yǔ)義特征。從可視化特征顯示,隨著尺度加深,特征的可分性顯著增強(qiáng),但類內(nèi)聚集性也逐漸變差。因此,結(jié)合各尺度特征的利弊,本文構(gòu)造不同字典下的多任務(wù)聯(lián)合稀疏表示學(xué)習(xí),得到最終的高光... 

【文章頁(yè)數(shù)】：135 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 高光譜數(shù)據(jù)特性及挑戰(zhàn)
        1.2.2 研究現(xiàn)狀及存在問(wèn)題
    1.3 論文研究?jī)?nèi)容及章節(jié)安排
第二章 基于深度多尺度特征聯(lián)合稀疏表示學(xué)習(xí)的高光譜分類
    2.1 引言
    2.2 深度卷積網(wǎng)絡(luò)遷移及特征分析
        2.2.1 VGG-16 網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.2 遷移學(xué)習(xí)
        2.2.3 基于遷移學(xué)習(xí)的HSI特征提取及分析
    2.3 基于多任務(wù)聯(lián)合稀疏表示學(xué)習(xí)的多特征融合分類
        2.3.1 聯(lián)合稀疏表示
        2.3.2 深度多尺度特征聯(lián)合稀疏表示分類
    2.4 實(shí)驗(yàn)與分析
        2.4.1 數(shù)據(jù)及評(píng)估方法介紹
        2.4.2 參數(shù)分析及設(shè)置
        2.4.3 分類結(jié)果的數(shù)值及可視化分析
        2.4.4 樣本數(shù)量對(duì)分類結(jié)果的影響
        2.4.5 時(shí)間復(fù)雜度分析
    2.5 本章小結(jié)
第三章 基于全卷積網(wǎng)絡(luò)空間分布預(yù)測(cè)的高光譜圖像分類
    3.1 引言
    3.2 全卷積網(wǎng)絡(luò)(FCN)結(jié)構(gòu)簡(jiǎn)介
    3.3 基于全卷積網(wǎng)絡(luò)的空間分布預(yù)測(cè)及空譜特征融合分類
        3.3.1 基于FCN-8s的 HSI空間分布預(yù)測(cè)
        3.3.2 空譜特征融合分類
    3.4 實(shí)驗(yàn)與分析
        3.4.1 實(shí)驗(yàn)及參數(shù)設(shè)置
        3.4.2 分類結(jié)果的數(shù)值及可視化分析
        3.4.3 樣本數(shù)量對(duì)分類結(jié)果的影響
        3.4.4 特征可視化評(píng)估
        3.4.5 空譜特征融合結(jié)果分析
        3.4.6 時(shí)間復(fù)雜度分析
    3.5 本章小結(jié)
第四章 基于多任務(wù)協(xié)同稀疏自編碼器的多尺度空譜特征融合
    4.1 引言
    4.2 稀疏自編碼器
    4.3 基于DMS3F2 的高光譜圖像特征提取.
        4.3.1 基于MCSAE的深度空譜特征融合
        4.3.2 多尺度特征融合
    4.4 實(shí)驗(yàn)與分析
        4.4.1 數(shù)據(jù)及評(píng)估方法介紹
        4.4.2 參數(shù)分析及設(shè)置
        4.4.3 DMS3F2方法的分步評(píng)估
        4.4.4 實(shí)驗(yàn)結(jié)果對(duì)比分析
    4.5 本章小結(jié)
第五章 基于超像素關(guān)系自編碼器的空譜特征融合
    5.1 引言
    5.2 圖正則自編碼
    5.3 基于超像素的關(guān)系自編碼
        5.3.1 模型建立
        5.3.2 模型優(yōu)化
    5.4 多尺度空譜特征融合
    5.5 實(shí)驗(yàn)與分析
        5.5.1 參數(shù)分析與設(shè)置
        5.5.2 MS-RCSAE方法的分布評(píng)估
        5.5.3 分類結(jié)果的數(shù)值及可視化分析
    5.6 本章小結(jié)
第六章 總結(jié)及展望
    6.1 研究工作總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]40年的跨越—中國(guó)航天遙感蓬勃發(fā)展中的“三大戰(zhàn)役”[J]. 顧行發(fā),余濤,田國(guó)良,周上益,魏成階,李娟,余琦,劉東暉,衛(wèi)征,孟慶巖,徐輝,郭紅,周翔,王春梅,臧文乾,黃祥志,高海亮,鄭逢杰,劉苗,王棟,趙亞萌,魏香琴,孫源,李斌,廖戩,任芯雨.  遙感學(xué)報(bào). 2016(05)



本文編號(hào)：3690765