由于高光譜影像含有豐富的地物光譜曲線,使其成為監(jiān)測地球環(huán)境動態(tài)變化,遙感定量反演等有效的工具,對其進行解析處理的方式越來越受到人們的關(guān)注。盡管高光譜影像豐富的波段信息有利于地物的分類,但是太多的光譜維度以及冗余信息給處理分析影像的算法帶來困難,并且高光譜影像中的有標記樣本稀缺,如何從數(shù)據(jù)的特點出發(fā),采用高效的特征提取方法,提供具有判別性的信息一直是關(guān)鍵問題。包含多層的網(wǎng)絡(luò)學(xué)習(xí)方法可以分層級的對未經(jīng)標記的數(shù)據(jù)進行特征描述,提取其中各種隱含的特征,形成更加完整的抽象語義表示,比傳統(tǒng),淺層的方法擁有更好的分類性能。為此,本文基于多層網(wǎng)絡(luò)學(xué)習(xí)模型,提取影像潛在的多層級特征,結(jié)合空間特征提取方法的優(yōu)勢,研究更為高效的分類算法。主要研究內(nèi)容如下:(1)提出一種基于Squeeze-and-Excitation聚合殘差網(wǎng)絡(luò)的高光譜影像分類方法,該方法設(shè)計的網(wǎng)絡(luò)模型結(jié)合了聚合殘差網(wǎng)絡(luò)的深層可擴展結(jié)構(gòu)以及Squeeze-and-Excitation模塊對特征通道的重標定策略,可以有效地學(xué)習(xí)高光譜影像中空間上下文信息,選擇性的加強具有重要信息量的特征,提取深層次抽象語義特征,從而得到更好的分類結(jié)果。(2)提...

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
第二章 高光譜影像分類研究
    2.1 引言
    2.2 網(wǎng)絡(luò)學(xué)習(xí)模型
        2.2.1 極限學(xué)習(xí)機
        2.2.2 自編碼網(wǎng)絡(luò)
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 實驗數(shù)據(jù)集
    2.4 高光譜影像分類方法的性能指標
    2.5 本章小結(jié)
第三章 基于Squeeze-and-Excitation聚合殘差網(wǎng)絡(luò)的高光譜影像分類
    3.1 深度神經(jīng)網(wǎng)絡(luò)的聚合殘差變換
        3.1.1 殘差學(xué)習(xí)
        3.1.2 恒等映射
        3.1.3 聚合殘差變換
    3.2 Squeeze-and-Excitation模塊
        3.2.1 Squeeze:全局信息嵌入
        3.2.2 Excitation:自適應(yīng)重新校正
    3.3 Squeeze-and-Excitation聚合殘差網(wǎng)絡(luò)
    3.4 基于Squeeze-and-Excitation聚合殘差網(wǎng)絡(luò)的高光譜影像分類
    3.5 實驗結(jié)果與分析
        3.5.1 實驗參數(shù)設(shè)置
        3.5.2 實驗結(jié)果與分析
    3.6 本章小結(jié)
第四章 基于集成多層極限學(xué)習(xí)機和主動學(xué)習(xí)的高光譜影像分類
    4.1 多層極限學(xué)習(xí)機
    4.2 集成學(xué)習(xí)
    4.3 主動學(xué)習(xí)
    4.4 基于集成多層極限學(xué)習(xí)機和主動學(xué)習(xí)的高光譜影像分類
    4.5 實驗結(jié)果與分析
        4.5.1 實驗參數(shù)設(shè)置
        4.5.2 實驗結(jié)果與分析
    4.6 本章小結(jié)
第五章 基于邊緣保持濾波和深度網(wǎng)絡(luò)的高光譜影像分類
    5.1 棧式自編碼
    5.2 基于棧式自編碼的分類模型
        5.2.1 基于光譜信息的棧式自編碼分類模型
        5.2.2 基于空間信息的棧式自編碼分類模型
        5.2.3 結(jié)合空譜信息的棧式自編碼分類模型
    5.3 基于邊緣保持濾波和深度網(wǎng)絡(luò)的高光譜影像分類
    5.4 實驗結(jié)果與分析
        5.4.1 實驗參數(shù)設(shè)置
        5.4.2 實驗結(jié)果與分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 展望
參考文獻
致謝
作者簡介



本文編號：3843282