高光譜遙感能夠獲取蘊(yùn)含著豐富地表覆蓋信息的高光譜影像,在國民經(jīng)濟(jì)建設(shè)和國防軍事信息化領(lǐng)域都有著廣闊且深遠(yuǎn)的發(fā)展?jié)摿�。具體到應(yīng)用層面,高光譜影像分類任務(wù)是其應(yīng)用的核心技術(shù)之一。近年來高光譜遙感系統(tǒng)不斷提高的光譜分辨率和不斷增加的成像設(shè)備量化深度使得獲取的影像越來越精細(xì),但同時(shí)也給分類任務(wù)帶來諸多挑戰(zhàn)。為解決基于深度學(xué)習(xí)的分類方法在小樣本條件下容易過擬合及泛化能力差的問題,論文在波段選擇的基礎(chǔ)上重點(diǎn)研究了如何利用生成式對抗網(wǎng)絡(luò)提高小樣本條件下的高光譜影像分類精度。論文研究的主要內(nèi)容和創(chuàng)新點(diǎn)如下:1、針對特征提取類降維方法在高光譜數(shù)據(jù)的轉(zhuǎn)換過程中會破壞波段相關(guān)性甚至丟失關(guān)鍵判別性信息的問題,在基于最大橢球體積原理波段選擇法的基礎(chǔ)上提出一種結(jié)合正交子空間投影和信息散度的高光譜影像波段選擇方法。通過改進(jìn)優(yōu)化最大橢球體積波段選擇法,得到其快速版本并歸納出廣義的波段選擇目標(biāo)函數(shù),然后引入信息論中的信息散度作為衡量波段信息量度量,得到結(jié)合正交子空間投影和信息散度的波段選擇算法。該算法在保留原始數(shù)據(jù)特征物理意義的基礎(chǔ)上有效降低了原始影像的光譜維度,計(jì)算復(fù)雜度低,可在對高光譜數(shù)據(jù)進(jìn)行有效降維的同時(shí)實(shí)現(xiàn)更好... 

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
        1.2.1 高光譜影像數(shù)據(jù)降維研究現(xiàn)狀
        1.2.2 高光譜影像分類研究現(xiàn)狀
    1.3 目前研究存在的問題
    1.4 論文試驗(yàn)數(shù)據(jù)與環(huán)境
    1.5 論文研究內(nèi)容及結(jié)構(gòu)安排
        1.5.1 論文的研究內(nèi)容
        1.5.2 章節(jié)安排
第二章 結(jié)合正交子空間投影和信息散度的波段選擇方法
    2.1 高光譜影像波段選擇理論基礎(chǔ)
        2.1.1 最大橢球體積波段選擇原理
        2.1.2 正交子空間投影波段選擇方法
        2.1.3 信息散度度量
    2.2 基于信息散度的正交子空間投影波段選擇
        2.2.1 波段選擇原理與算法實(shí)現(xiàn)
        2.2.2 計(jì)算復(fù)雜度分析
    2.3 試驗(yàn)與分析
        2.3.1 Indian Pines數(shù)據(jù)集試驗(yàn)結(jié)果
        2.3.2 Pavia University數(shù)據(jù)集試驗(yàn)結(jié)果
        2.3.3 Houston數(shù)據(jù)集試驗(yàn)結(jié)果
    2.4 小結(jié)
第三章 基于生成對抗網(wǎng)絡(luò)的高光譜影像分類
    3.1 GAN理論基礎(chǔ)
        3.1.1 結(jié)合深度卷積神經(jīng)網(wǎng)絡(luò)的GAN
        3.1.2 基于Wasserstein距離的WGAN
    3.2 面向高光譜影像分類的半監(jiān)督深度卷積生成對抗網(wǎng)絡(luò)
        3.2.1 生成器網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 判別器和分類器網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.3 訓(xùn)練及分類
    3.3 試驗(yàn)與分析
        3.3.1 網(wǎng)絡(luò)模型參數(shù)設(shè)置
        3.3.2 分類結(jié)果和對比分析
    3.4 小結(jié)
第四章 基于遷移學(xué)習(xí)的高光譜影像小樣本分類
    4.1 遷移學(xué)習(xí)理論基礎(chǔ)
        4.1.1 遷移學(xué)習(xí)簡介
        4.1.2 深度遷移學(xué)習(xí)
    4.2 高光譜影像遷移學(xué)習(xí)
        4.2.1 基于預(yù)訓(xùn)練的高光譜影像遷移學(xué)習(xí)分類
        4.2.2 高光譜影像領(lǐng)域自適應(yīng)
    4.3 試驗(yàn)與分析
        4.3.1 通用模型遷移分類試驗(yàn)
        4.3.2 專用模型遷移分類試驗(yàn)
        4.3.3 開放集域自適應(yīng)分類試驗(yàn)
    4.4 小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
作者簡介



本文編號：3678660