發(fā)布時(shí)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(wèn)題。近幾年,遙感圖像數(shù)據(jù)數(shù)量越來(lái)越多,包含的信息也越來(lái)越復(fù)雜。但用于訓(xùn)練模型的人工標(biāo)記數(shù)據(jù)量卻并沒(méi)有增多,僅占待分類數(shù)據(jù)的極少部分。因此使用少量訓(xùn)練樣本提取更多相關(guān)判別特征以用于表達(dá)分類是現(xiàn)階段遙感圖像地物分類的難點(diǎn)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(xì)化分類器,提出使用輕量化卷積網(wǎng)絡(luò)與奇異值分解的方法對(duì)遙感圖像進(jìn)行分類,在保證準(zhǔn)確率的情況下極大地減少了模型的參數(shù)量和計(jì)算復(fù)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(guò)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(xì)化分類器,對(duì)Curvelet卷積模型輸出的特征進(jìn)行細(xì)致分類,通過(guò)形態(tài)學(xué)算法進(jìn)行初步分類結(jié)果糾正。彌補(bǔ)了卷積神經(jīng)網(wǎng)絡(luò)端到端的分類中提取特征單一,并且需要大量訓(xùn)練數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)的缺...

【文章頁(yè)數(shù)】：110 頁(yè)

【學(xué)位級(jí)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(hào)：3888568