高光譜分辨率遙感不僅記錄地物目標的空間信息,也采集高維度光譜反射信息,是遙感領(lǐng)域研究方向之一,廣泛應(yīng)用于民用、軍事、農(nóng)業(yè)等領(lǐng)域。高光譜影像分類是高光譜影像處理中的基礎(chǔ)研究方向之一,利用機器學(xué)習(xí)相關(guān)算法進行有效特征提取與分類是該領(lǐng)域內(nèi)的主流趨勢,但受其無法有效結(jié)合空譜特征信息、影像數(shù)據(jù)冗余、標簽數(shù)據(jù)少等難點問題的影響,精準的高光譜影像地物目標分類仍具一定的挑戰(zhàn)性。本文結(jié)合高光譜影像實際特性,研究改進相關(guān)深度學(xué)習(xí)算法,針對高光譜影像分類中存在的上述問題進行研究,設(shè)計混合神經(jīng)網(wǎng)絡(luò)。本文主要工作如下:首先,針對卷積神經(jīng)網(wǎng)絡(luò)無法適用于高光譜影像中高維數(shù)據(jù)的問題,提出了三維卷積混合神經(jīng)網(wǎng)絡(luò)模型。三維卷積混合神經(jīng)網(wǎng)絡(luò)對各維光譜通道特征進行加權(quán)卷積進而獲取空譜特征信息,通過前饋運算迭代優(yōu)化網(wǎng)絡(luò)參數(shù),并采用較小卷積核避免過擬合現(xiàn)象,加快網(wǎng)絡(luò)訓(xùn)練速度,增強網(wǎng)絡(luò)空間特征提取能力。為了有效獲取光譜特征信息,該網(wǎng)絡(luò)結(jié)合層疊自動編碼器并對其進行相應(yīng)改進,引用空間上下文特征提取網(wǎng)絡(luò)實現(xiàn)空譜信息融合提取,從而進一步提高該網(wǎng)絡(luò)的特征提取與分類性能。其次,上述方法在下采樣過程中造成特征信息丟失,且無法有效利用淺層特征信息...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容與結(jié)構(gòu)安排
        1.3.1 主要研究內(nèi)容
        1.3.2 結(jié)構(gòu)安排
2 相關(guān)技術(shù)概述
    2.1 高光譜影像分類方法概述
    2.2 神經(jīng)網(wǎng)絡(luò)概述
        2.2.1 神經(jīng)網(wǎng)絡(luò)
        2.2.2 層疊自動編碼器
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 實驗數(shù)據(jù)
        2.3.1 Indian Pines場景高光譜影像數(shù)據(jù)集
        2.3.2 Salinas場景高光譜影像數(shù)據(jù)集
        2.3.3 Pavia Center場景高光譜影像數(shù)據(jù)集
    2.4 實驗評價方法
        2.4.1 混淆矩陣
        2.4.2 總體精度與平均精度
        2.4.3 Kappa系數(shù)
    2.5 本章小結(jié)
3 基于三維卷積混合神經(jīng)網(wǎng)絡(luò)的高光譜影像分類方法
    3.1 引言
    3.2 三維加權(quán)卷積神經(jīng)網(wǎng)絡(luò)
    3.3 空間上下文空譜特征提取
    3.4 三維卷積混合神經(jīng)網(wǎng)絡(luò)模型
    3.5 實驗結(jié)果與分析
        3.5.1 實驗設(shè)置
        3.5.2 實驗結(jié)果
        3.5.3 實驗分析
    3.6 本章小結(jié)
4 基于跳躍結(jié)構(gòu)的深度反卷積混合神經(jīng)網(wǎng)絡(luò)分類方法
    4.1 引言
    4.2 基于跳躍結(jié)構(gòu)的深度反卷積網(wǎng)絡(luò)
        4.2.1 波段選擇層
        4.2.2 卷積和反卷積網(wǎng)絡(luò)
        4.2.3 層級跳越架構(gòu)
    4.3 基于跳躍結(jié)構(gòu)的深度反卷積混合神經(jīng)網(wǎng)絡(luò)模型
    4.4 實驗結(jié)果與分析
        4.4.1 實驗設(shè)置
        4.4.2 實驗結(jié)果
        4.4.3 實驗分析
    4.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號：3948969