本文關(guān)鍵詞：基于深度支撐值學(xué)習(xí)網(wǎng)絡(luò)的遙感圖像融合

  更多相關(guān)文章： 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 深度支撐值學(xué)習(xí)網(wǎng)絡(luò) 過完備字典 遙感圖像融合 機(jī)器學(xué)習(xí)

【摘要】：該文將深度學(xué)習(xí)用于遙感圖像融合,在訓(xùn)練深度網(wǎng)絡(luò)時(shí)加入了結(jié)構(gòu)風(fēng)險(xiǎn)最小化的損失函數(shù),提出了一種基于深度支撐值學(xué)習(xí)網(wǎng)絡(luò)的融合方法.為了避免圖像融合過程中的信息損失,在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,取消了特征映射層的下采樣過程,構(gòu)建了深度支撐值學(xué)習(xí)網(wǎng)絡(luò)(Deep Support Value Learning Networks,DSVL Nets),DSVL Nets網(wǎng)絡(luò)模型包含5個(gè)隱藏層,每一層的基本結(jié)構(gòu)由卷積層和線性層構(gòu)成,該基本單元提供了一種多尺度、多方向、各向異性、非下采樣的冗余變換,該模型在網(wǎng)絡(luò)訓(xùn)練完畢之后,取出各卷積層和第5個(gè)隱藏層的線性層作為網(wǎng)絡(luò)模型的輸出層.輸出層的各卷積層圖像融合采用絕對(duì)值取大法,得到融合后的各卷積層圖像;另外,將線性層圖像分別在過完備字典上進(jìn)行稀疏表示,并對(duì)稀疏系數(shù)采用絕對(duì)值取大法進(jìn)行融合,得到融合后的線性層圖像;最后將融合后的各卷積層和線性層圖像重構(gòu)得到結(jié)果圖像.文中使用QuickBird和Geoeye衛(wèi)星數(shù)據(jù)驗(yàn)證本文所提方法的有效性,實(shí)驗(yàn)結(jié)果表明,與PCA、AWLP、PN-TSSC和SVT算法相比較,該文所提方法的融合結(jié)果無論在主觀視覺還是客觀評(píng)價(jià)指標(biāo)上均優(yōu)于對(duì)比算法,較好地保持了圖像的光譜信息和空間信息.
【作者單位】： 西安電子科技大學(xué)計(jì)算機(jī)學(xué)院;西安電子科技大學(xué)智能感知與圖像理解教育部重點(diǎn)實(shí)驗(yàn)室、智能感知與計(jì)算國際聯(lián)合研究中心、智能感知與計(jì)算國際合作聯(lián)合實(shí)驗(yàn)室;
【關(guān)鍵詞】： 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 深度支撐值學(xué)習(xí)網(wǎng)絡(luò) 過完備字典 遙感圖像融合 機(jī)器學(xué)習(xí)
【基金】：國家“九七三”重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目基金(2013CB329402) 國家自然科學(xué)基金(61573267,61173090)、國家自然科學(xué)基金重大研究計(jì)劃(91438201,91438103) 高等學(xué)校學(xué)科創(chuàng)新引智計(jì)劃(111計(jì)劃)(B07048) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(JB140317,BDY021429) 陜西省教育廳科學(xué)研究計(jì)劃項(xiàng)目(16JK1823)資助
【分類號(hào)】：TP751
【正文快照】： 然科學(xué)基金(61573267,61173090)、國家自然科學(xué)基金重大研究計(jì)劃(91438201,91438103)、高等學(xué)校學(xué)科創(chuàng)新引智計(jì)劃(111計(jì)劃)(B07048)、中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(JB140317,BDY021429)、陜西省教育廳科學(xué)研究計(jì)劃項(xiàng)目(16JK1823)資助.李紅,女,1976年生,博士研究生,副教授,

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 周宏軍;李江;蔡志剛;;一種小波包遙感圖像融合方法[J];現(xiàn)代測繪;2008年01期

2 陳超;江濤;劉祥磊;;基于纓帽變換的遙感圖像融合方法研究[J];測繪科學(xué);2009年03期

3 柴勇;何友;曲長文;;遙感圖像融合最新進(jìn)展及展望[J];艦船電子工程;2009年08期

4 朱衛(wèi)綱;周蔭清;徐華平;李春升;;遙感圖像融合效果客觀評(píng)價(jià)[J];火力與指揮控制;2010年02期

5 孫洪泉;竇聞;易文斌;;遙感圖像融合的研究現(xiàn)狀、困境及發(fā)展趨勢探討[J];遙感信息;2011年01期

6 付和;;遙感圖像融合的應(yīng)用研究[J];科技創(chuàng)新導(dǎo)報(bào);2011年09期

7 阮濤;那彥;王澍;;基于壓縮感知的遙感圖像融合方法[J];電子科技;2012年04期

8 吳連喜,梁波,劉曉梅;保持光譜信息的遙感圖像融合方法研究(英文)[J];測繪學(xué)報(bào);2005年02期

9 王艷;陳波;;遙感圖像融合技術(shù)及其在土地資源動(dòng)態(tài)監(jiān)測中的應(yīng)用[J];影像技術(shù);2005年Z2期

10 林卉,肖劍平,杜培軍;基于正交小波包遙感圖像融合算法研究[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前8條

1 馬艷軍;石愛業(yè);徐立中;;基于區(qū)域特性選擇的遙感圖像融合方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

2 梁波;吳連喜;陳竹安;段彩蓮;蘇小霞;;光譜銳化的遙感圖像融合方法[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

3 馬丹;鄭鍇;涂振前;;遙感圖像融合綜述[A];2007年福建省土地學(xué)會(huì)年會(huì)征文集[C];2007年

4 葛雯;高立群;;基于非分離小波變換及形態(tài)學(xué)的遙感圖像融合算法[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

5 成功;鄧小青;;基于MATLAB的小波變換遙感圖像融合研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

6 雷宏宇;鐘廣軍;;基于Curvelet變換的快速遙感圖像融合[A];第四屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2008年

7 趙鵬濤;劉剛;胡岑;王明昊;彭接力;;基于Laplace-PCA的遙感圖像融合算法[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

8 石愛業(yè);徐立中;黃風(fēng)辰;;一種改進(jìn)的基于小波變換的遙感圖像融合方法[A];第二屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 方發(fā)明;基于變分法的遙感圖像融合方法研究[D];華東師范大學(xué);2013年

2 姚為;像素級(jí)和特征級(jí)遙感圖像融合方法研究與應(yīng)用[D];大連理工大學(xué);2011年

3 陳志剛;基于Contourlet遙感圖像融合與壓縮技術(shù)研究[D];長春理工大學(xué);2009年

4 郭立萍;基于支持向量機(jī)遙感圖像融合分類方法研究[D];中國地質(zhì)大學(xué)（北京）;2010年

5 田養(yǎng)軍;基于提升小波分解曲波變換的多源遙感圖像融合方法研究[D];長安大學(xué);2009年

6 劉帆;基于小波核濾波器和稀疏表示的遙感圖像融合[D];西安電子科技大學(xué);2014年

7 徐彤陽;基于抗混疊Contourlet變換的遙感圖像融合研究[D];上海大學(xué);2011年

8 王金玲;基于多分辨率分析的遙感圖像融合算法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 欒靜;基于Curvelet與Shearlet變換的遙感圖像融合[D];合肥工業(yè)大學(xué);2015年

2 肖洋;基于貝葉斯網(wǎng)絡(luò)及進(jìn)化算法的遙感圖像融合方法研究[D];華東師范大學(xué);2016年

3 李園園;基于多分辨分析的遙感圖像融合技術(shù)研究[D];青島大學(xué);2009年

4 郭晶;基于壓縮感知理論的衛(wèi)星遙感圖像融合算法研究[D];北京交通大學(xué);2013年

5 黃海東;基于多分辨率分析的遙感圖像融合算法研究[D];復(fù)旦大學(xué);2008年

6 羅俊;遙感圖像融合方法及其在目標(biāo)波譜反演中的應(yīng)用研究[D];華中科技大學(xué);2007年

7 姚媛;基于小波支持向量機(jī)的遙感圖像融合[D];安徽大學(xué);2010年

8 張燦峰;高性能遙感圖像融合算法研究與實(shí)現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2010年

9 崔學(xué)梅;基于多小波變換的遙感圖像融合技術(shù)研究[D];青島理工大學(xué);2010年

10 阮濤;壓縮感知遙感圖像融合及分類方法研究[D];西安電子科技大學(xué);2012年

本文編號(hào)：956176