隨著光譜成像技術(shù)和光譜分析技術(shù)的發(fā)展,高光譜圖像的應(yīng)用越來越廣泛。從傳統(tǒng)遙感領(lǐng)域的礦物勘探到食品安全領(lǐng)域的果蔬農(nóng)藥殘留檢測,高光譜圖像正逐漸走進(jìn)人們的生活,不再“遙”感。高光譜圖像蘊藏了豐富的數(shù)據(jù)信息,既承載了空間影像特征,又承載了光譜域信息。高光譜圖像在光譜維度上進(jìn)行了更為細(xì)致的劃分,具有很高的光譜分辨率,這也正是它的優(yōu)勢所在。然而,受制于器件性能和其它環(huán)境因素,高光譜圖像中普遍存在著混合像元�；旌舷裨獓�(yán)重制約了高光譜圖像從定性化描述向定量化分析方向的發(fā)展。因此,對高光譜圖像的混合像元解混就顯得十分迫切和必要。深度學(xué)習(xí)雖然并不是一類新生的技術(shù),但在如今的大數(shù)據(jù)時代和具有強大計算能力的計算設(shè)備作支撐的條件下,深度學(xué)習(xí)開始逐漸展現(xiàn)出巨大的潛力和優(yōu)勢。從圖像識別到語音處理再到智能機器人,深度學(xué)習(xí)無處不彰顯著它強大的學(xué)習(xí)能力和特征提取能力�；谶@樣的機遇和挑戰(zhàn),本文主要開展了深度學(xué)習(xí)在高光譜圖像解混中的研究,同時也兼顧了一些統(tǒng)計學(xué)方法在高光譜圖像解混中的應(yīng)用。本文所做的工作主要有:1.設(shè)計了一個基于全連接神經(jīng)網(wǎng)絡(luò)的端元提取網(wǎng)絡(luò)。在全連接神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上,通過增加一些具有明確意義的功能層(...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 高光譜圖像簡介及混合像元問題
        1.1.2 深度學(xué)習(xí)簡介及其發(fā)展歷程
        1.1.3 深度學(xué)習(xí)的優(yōu)勢
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 高光譜解混方法的研究現(xiàn)狀
        1.2.2 深度學(xué)習(xí)的研究現(xiàn)狀
    1.3 論文的結(jié)構(gòu)安排
第二章 高光譜圖像解混的基本理論
    2.1 光譜混合模型
        2.1.1 線性混合模型
        2.1.2 非線性混合模型
    2.2 高光譜圖像解混的處理流程
    2.3 高光譜圖像解混算法的性能評價指標(biāo)
    2.4 本章小結(jié)
第三章 基于全連接神經(jīng)網(wǎng)絡(luò)的端元提取網(wǎng)絡(luò)
    3.1 引言
    3.2 M-P神經(jīng)元模型簡介
    3.3 全連接神經(jīng)網(wǎng)絡(luò)簡介
    3.4 基于全連接神經(jīng)網(wǎng)絡(luò)的端元提取網(wǎng)絡(luò)
        3.4.1 網(wǎng)絡(luò)結(jié)構(gòu)分析
        3.4.2 網(wǎng)絡(luò)復(fù)雜度分析
    3.5 實驗驗證與結(jié)果分析
    3.6 本章小結(jié)
第四章 基于模型驅(qū)動的深度學(xué)習(xí)網(wǎng)絡(luò)CLSUnSAL-Net
    4.1 引言
    4.2 Deep Unfolding方法介紹
    4.3 CLSUnSAL算法簡介
    4.4 CLSUnSAL-Net介紹
        4.4.1 網(wǎng)絡(luò)結(jié)構(gòu)分析
        4.4.2 網(wǎng)絡(luò)復(fù)雜度分析
    4.5 實驗驗證與結(jié)果分析
        4.5.1 在仿真數(shù)據(jù)集上的實驗結(jié)果
        4.5.2 在Jasper Ridge數(shù)據(jù)集上的結(jié)果
    4.6 本章小結(jié)
第五章 基于MISSO優(yōu)化采樣的最大似然結(jié)構(gòu)化矩陣分解算法
    5.1 引言
    5.2 相關(guān)數(shù)學(xué)知識介紹
    5.3 高光譜圖像解混中的結(jié)構(gòu)化矩陣分解問題
    5.4 利用隨機最大似然求解SMF問題
    5.5 結(jié)合MISSO的隨機最大似然算法
    5.6 實驗驗證與結(jié)果分析
        5.6.1 在仿真數(shù)據(jù)集上的實驗結(jié)果
        5.6.2 在Jasper Ridge數(shù)據(jù)集上的結(jié)果
    5.7 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果



本文編號：3883336