發(fā)布時間：2024-01-29 17:55

　　本文主要研究基于半監(jiān)督Curvelet壓縮卷積模型的遙感圖像地物分類問題。近幾年,遙感圖像數(shù)據(jù)數(shù)量越來越多,包含的信息也越來越復雜。但用于訓練模型的人工標記數(shù)據(jù)量卻并沒有增多,僅占待分類數(shù)據(jù)的極少部分。因此使用少量訓練樣本提取更多相關判別特征以用于表達分類是現(xiàn)階段遙感圖像地物分類的難點之一。本文提出使用Curvelet變換結(jié)合金字塔卷積模型作為多尺度,多方向,多分辨率的特征提取器,使用CRF-RF算法作為特征細化分類器,提出使用輕量化卷積網(wǎng)絡與奇異值分解的方法對遙感圖像進行分類,在保證準確率的情況下極大地減少了模型的參數(shù)量和計算復雜度。主要工作如下:1.提出了一種基于CRF-RF和Curvelet卷積模型的極化SAR地物分類方法。該方法通過將Curvelet濾波與卷積模型相結(jié)合,構(gòu)造Curvelet卷積模型,使用該模型作為遙感圖像的特征提取器,提取多方向、多尺度,多視角的特征信息。使用CRF-RF結(jié)合算法作為特征細化分類器,對Curvelet卷積模型輸出的特征進行細致分類,通過形態(tài)學算法進行初步分類結(jié)果糾正。彌補了卷積神經(jīng)網(wǎng)絡端到端的分類中提取特征單一,并且需要大量訓練數(shù)據(jù)訓練網(wǎng)絡的缺...

【文章頁數(shù)】：110 頁

【學位級別】：碩士

圖像圖2.3Curvelet分解Fine尺度圖像示意圖(a)Fine尺度層

本文編號：3888568