隨著高光譜遙感技術(shù)的飛速發(fā)展,高光譜遙感在遙感領(lǐng)域扮演著越來(lái)越重要的角色,并且已經(jīng)廣泛的應(yīng)用與于地質(zhì)勘探、精細(xì)農(nóng)業(yè)、環(huán)境監(jiān)測(cè)等多個(gè)領(lǐng)域。高光譜遙感數(shù)據(jù)具有波段多、高光譜分辨率、高空間分辨率等特點(diǎn)。在對(duì)高光譜圖像進(jìn)行一系列的分析和處理時(shí),可以利用其豐富的光譜信息和空間信息。從高光譜數(shù)據(jù)中提取有效的特征,并結(jié)合其光譜信息和空間信息來(lái)進(jìn)行分類是高光譜研究中最常見(jiàn)的任務(wù)。本論文主要采用基于旋轉(zhuǎn)的深度森林、深度邊緣保持濾波和基于隨機(jī)塊卷積特征提取的空譜分類方法對(duì)高光譜數(shù)據(jù)進(jìn)行分類。利用空間信息和輸出概率向量信息,進(jìn)一步提升高光譜數(shù)據(jù)的分類效果和效率。論文的研究?jī)?nèi)容主要包括以下方面:1.在遙感領(lǐng)域,基于卷積神經(jīng)網(wǎng)絡(luò)的方法被用來(lái)處理很多具有挑戰(zhàn)性的任務(wù),其中也包括高光譜圖像分類。然而,深度模型的訓(xùn)練非常耗時(shí)并且需要大量的標(biāo)簽樣本,高光譜圖像少量具有標(biāo)簽的樣本限制了深度模型的分類性能。論文提出一種基于旋轉(zhuǎn)的深度森林分類方法,使用旋轉(zhuǎn)森林對(duì)高光譜圖像進(jìn)行旋轉(zhuǎn)變換生成新的特征,采用多層結(jié)構(gòu)的思想,結(jié)合新特征和每一層輸出的概率向量作為下一層的輸入,每一層中引入相鄰像素來(lái)加入數(shù)據(jù)的空間信息。提出的方法巧妙的結(jié)...

【文章頁(yè)數(shù)】：78 頁(yè)

【學(xué)位級(jí)別】：碩士

【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
        1.1.1 遙感技術(shù)
        1.1.2 高光譜遙感技術(shù)
    1.2 高光譜分類技術(shù)發(fā)展的簡(jiǎn)單介紹
    1.3 論文主要內(nèi)容及結(jié)構(gòu)安排
第二章 高光譜圖像分類研究
    2.1 高光譜圖像預(yù)處理
        2.1.1 高光譜圖像降維處理
        2.1.2 高光譜圖像濾波處理
    2.2 高光譜圖像分類
        2.2.1 傳統(tǒng)的高光譜圖像分類
        2.2.2 基于深度學(xué)習(xí)的高光譜圖像分類
    2.3 高光譜圖像分類的評(píng)價(jià)指標(biāo)
第三章 基于旋轉(zhuǎn)的深度森林的高光譜圖像分類
    3.1 集成學(xué)習(xí)
    3.2 旋轉(zhuǎn)森林
    3.3 基于旋轉(zhuǎn)的深度森林
    3.4 實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)介紹
        3.4.2 對(duì)比方法的簡(jiǎn)單介紹及參數(shù)設(shè)置
        3.4.3 測(cè)評(píng)指標(biāo)及實(shí)驗(yàn)配置
        3.4.4 實(shí)驗(yàn)結(jié)果分析
        3.4.5 訓(xùn)練時(shí)間分析
    3.5 參數(shù)分析
    3.6 本章小結(jié)
第四章 基于深度邊緣保持濾波的高光譜圖像分類
    4.1 邊緣保持濾波
        4.1.1 導(dǎo)向?yàn)V波
        4.1.2 聯(lián)合雙邊濾波
    4.2 深度邊緣保持濾波
    4.3 實(shí)驗(yàn)結(jié)果及其分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)、評(píng)價(jià)指標(biāo)與實(shí)驗(yàn)配置
        4.3.2 對(duì)比方法的簡(jiǎn)單介紹及參數(shù)設(shè)置
        4.3.3 分類結(jié)果
        4.3.4 參數(shù)分析
    4.4 本章小結(jié)
第五章 基于隨機(jī)塊卷積特征提取的高光譜圖像分類
    5.1 隨機(jī)塊卷積特征提取的空譜分類
        5.1.1 隨機(jī)投影
        5.1.2 主成分分析與白化
        5.1.3 基于隨機(jī)塊卷積的特征提取
        5.1.4 空譜分類
    5.2 實(shí)驗(yàn)結(jié)果及其分析
        5.2.1 實(shí)驗(yàn)數(shù)據(jù)及對(duì)比方法
        5.2.2 分類結(jié)果
        5.2.3 參數(shù)分析
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 下一步展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介



本文編號(hào)：3964904