收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于反馈网络的高光谱图像分类方法研究

钟圣唯  
【摘要】:随着遥感技术的高速发展,人类对地观测手段逐渐向精细化、多样化、智能化方向发展。高光谱遥感或成像光谱的发展被认为是与成像雷达技术并列,自遥感技术问世以来最重大的两项突破性技术之一。高光谱遥感技术将成像技术和光谱技术相结合,获得“图谱合一”的遥感数据。高光谱图像具有波段数量多,波段宽度窄,光谱分辨率高的特点,能够反映地物光谱的细微特征。目前高光谱图像已被广泛应用于地质勘探、精准农林、城乡规划、目标识别、目标解译等民用和军用领域。高光谱图像分类是高光谱图像应用中最重要的研究方向之一,其目标是根据地物的诊断性光谱吸收差异,将图像中的像素划归为若干专题要素中的一种。当前分类方法在宏观上属于开环前馈网络结构,仅利用了有标记样本中包含的先验信息。实际应用中,高光谱数据的标记成本较高,因此应深入挖掘无标记样本中包含的后验信息。本文提出的反馈网络结构能够将后验信息加以利用,使测试过程对训练过程进行优化,迭代地提升分类效果。本文重点突破了传统的深度学习网络结构,提出了智能反馈网络,融合反馈网络和域自适应反馈网络以应对样本不足和先验信息缺失问题。本文的主要研究内容概括如下:为了对当前的高光谱图像前馈开环分类方法存在的问题进行深入研究,第二章对高光谱图像的基础技术及评价方法进行介绍。首先介绍了现阶段表现比较优秀的三类分类方法,包括“谱-空”分类方法、卷积神经网络方法和基于检测算子的分类方法。提出了一种基于类别特征的训练样本迭代分配方法,为确定训练样本的数量提供理论依据。使用上述三类常用分类方法对三个公开数据集进行分类,并使用分类精度和分类准确度对分类效果进行了对比和分析。以上述典型光谱-空间分类器为基础,针对当前方法中训练过程和测试过程相互独立,对后验信息利用不充分的问题,第三章提出了基于智能反馈网络的高光谱图像分类方法。提出了一种带有反馈结构的的闭环分类网络。该网络将“光谱-空间”分类器产生的空间滤波后的后验信息反馈至原始数据中,迭代地进行分类器的训练和测试。在此基础上,加入随机空间滤波和全连接层,提出了一种智能反馈神经网络,智能地确定空间滤波层的数量。实验证明,本章的两种网络结构能够显著提升分类效果。在单分类器智能反馈网络的基础上,针对小样本条件下,先验信息不足影响分类效果的问题,第四章提出了基于融合反馈网络的高光谱图像分类方法。提出的融合网络将不同光谱分类器与空间滤波器组合获得的后验空间特征进行了特征级的非线性融合,并将融合特征反馈到网络的输入部分,丰富了反馈网络中的后验空间信息,并提出了“一对一”,“一对多”和“渐进式”结构的融合反馈网络。实验证明,融合反馈网络能够通过特征融合实现后验信息的有效整合,在智能反馈网络的基础上进一步提升分类效果。在后验信息能够提升域内分类效果的基础上,针对实际应用中存在大量不含训练样本的高光谱图像的问题,第五章提出了基于域自适应反馈网络的分类方法。域自适应学习能够解决训练样本和测试样本来源于具有不同数据概率分布的源域和目标域的迁移学习问题。本章提出的域自适应反馈网络在变化的特征域提取后验空间信息,并根据一种新的样本相似性评价准则进行训练样本集的更新,实现分类器的域自适应。实验证明,后验空间信息能够作为一种不变特征在域间进行信息迁移,借助新的域自适应反馈网络能够有效提取目标域中的样本作为训练样本,域自适应分类结果较现有方法显著提高。综上所述,本文围绕“反馈网络”这一概念,将高光谱图像分类过程中原本独立的训练过程和测试过程建立了联系,提出了具有较强扩展能力的智能反馈网络,并将其进一步推广,提出了融合反馈网络,最后将反馈网络概念应用于域自适应领域,提出了域自适应反馈网络。上述新方法提升了高光谱图像域内分类和跨域分类的效果。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 张宇轩;;浅论学生管理工作中信息反馈网络的构建[J];高等职业教育(天津职业大学学报);2011年05期
2 蒋剑平;一种新的数字反馈网络的设计法[J];大连海运学院学报;1994年04期
3 ;建立反馈网络 实施有效监督[J];武钢政工;1994年07期
4 崔庆谷,朱小毅,薛兵;反馈网络对地震计性能的影响[J];地震地磁观测与研究;2002年03期
5 蔡建国,瞿志海;用反馈网络法判断放大器的反馈性质[J];武汉职业技术学院学报;2004年02期
6 潘兆琪;T型反馈网络比例电路的反馈类型——与曹益政老师商榷[J];景德镇高专学报;2000年04期
7 牛斌,赵国兴,董立昱;多回环反馈网络零回归比和零回归差的计算[J];辽宁大学学报(自然科学版);1995年01期
8 刘立惠;建立反馈网络提高教学质量[J];广西教育;2001年01期
9 彭克发;;基于反馈网络的反馈系数分析[J];制造业自动化;2011年05期
10 赵启林,卓家寿;反馈网络在优化问题应用中的理论研究[J];河海大学学报(自然科学版);2001年03期
11 李泽;负反馈网络F的等效电路模型[J];广西大学学报(自然科学版);1996年02期
12 仝茂达;线性多输入-多输出、多回环反馈网络理论的发展[J];电子学报;1989年04期
13 孔燕萍;覃亚丽;;基于深度学习的高光谱图像分类算法[J];传感器与微系统;2020年07期
14 刘遵雄;蒋中慧;任行乐;;基于核方法协同表示的高光谱图像分类[J];广西大学学报(自然科学版);2019年05期
15 孟庆忠;反馈网络的负载效应[J];大学物理;1995年07期
16 张晓华;;基于对抗技术的高光谱图像分类系统的设计及实现[J];测试技术学报;2020年06期
中国重要会议论文全文数据库 前20条
1 李雪莹;吕美蓉;刘岩;孙中梁;侯广利;范萍萍;;普通光谱仪与高光谱相机之间模型转移的研究[A];第21届全国分子光谱学学术会议暨2020年光谱年会论文集[C];2020年
2 卢云龙;刘志刚;;高光谱图像目标探测现状研究[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年
3 高东生;高连知;;基于独立分量分析的高光谱图像目标盲探测方法研究[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年
4 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集(下册)[C];2008年
5 马德敏;孙凡;金星;舒嵘;王建宇;;机载高光谱图像质量定量化评价方法的研究[A];成像光谱技术与应用研讨会论文集[C];2004年
6 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年
7 张馨月;张旭东;;基于压缩感知的高光谱图像重建研究综述[A];第十三届全国信号和智能信息处理与应用学术会议论文集[C];2019年
8 唐宏;杨新;方涛;施鹏飞;;基于核方法的光谱角制图模型及其在高光谱图像分割中的应用[A];中国地理信息系统协会第八届年会论文集[C];2004年
9 魏一苇;牛超;王艺婷;王红霞;;基于谱聚类算法的高光谱图像分类研究[A];国家安全地球物理丛书(十五)——丝路环境与地球物理[C];2019年
10 杨硕;袁鸿翼;虞宇宏;赵敏;;高光谱图像亚像素目标仿真及检测研究[A];第四届高分辨率对地观测学术年会论文集[C];2017年
11 武倩聿;张馨月;张旭东;;基于约束能量最小化的高光谱图像目标检测算法研究[A];第十二届全国信号和智能信息处理与应用学术会议论文集[C];2018年
12 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
13 武望婷;彭淼淼;;高光谱在书画鉴定中的应用研究——以清代司马钟《芭蕉仙鹤图》为例[A];中国文物保护技术协会第九次学术年会论文集[C];2016年
14 张悦;官云兰;;基于聚类的高光谱图像非监督波段选择方法[A];《江西遥感》2017年第2期(总第3期)[C];2017年
15 郑毓轩;李云松;师艳子;曲家慧;谢卫莹;;基于FPGA的高光谱异常目标检测RXD算法加速方案[A];2018软件定义卫星高峰论坛会议摘要集[C];2018年
16 何芳;贾维敏;王标标;李冰;;基于加权空—谱联合的遥感图像聚类[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
17 王喆;王百合;王艺婷;;高光谱图像波段选择方法综述[A];国家安全地球物理丛书(十一)——地球物理应用前沿[C];2015年
18 魏一苇;黄世奇;刘代志;;基于独立成分分析的高光谱混合像元分解方法[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年
19 杨勇;刘木华;;基于荧光高光谱图像的猕猴桃VC含量无损检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集(下册)[C];2008年
20 陈洪亮;李庆国;张友民;;用反馈网络建立非线性模型研究[A];1995中国控制与决策学术年会论文集[C];1995年
中国博士学位论文全文数据库 前20条
1 钟圣唯;基于反馈网络的高光谱图像分类方法研究[D];哈尔滨工业大学;2020年
2 张二磊;基于空谱信息挖掘和稀疏表示学习的高光谱图像分类[D];西安电子科技大学;2015年
3 李理;基于马氏距离测度核学习的高光谱图像分类方法研究[D];哈尔滨工业大学;2018年
4 高巍;基于多核学习的高光谱图像分类方法研究[D];哈尔滨工业大学;2019年
5 滕艺丹;高光谱图像信息恢复方法研究[D];哈尔滨工业大学;2018年
6 丁晨;基于自适应卷积神经网络的高光谱图像分类方法研究[D];西北工业大学;2018年
7 王丽;基于压缩感知的高光谱图像采样和重构技术研究[D];西北工业大学;2018年
8 潘磊;基于稀疏低秩表示的高光谱图像特征提取与分类[D];西南交通大学;2019年
9 温茂星;复杂背景下高光谱运动目标探测方法研究[D];中国科学院大学(中国科学院上海技术物理研究所);2019年
10 薄纯娟;基于空谱联合模型的高光谱图像分类方法研究[D];大连理工大学;2019年
11 付巍;基于稀疏表征的高光谱图像空谱压缩与分类方法研究[D];湖南大学;2019年
12 韦晓辉;面向高光谱图像分类的特征提取与选择方法研究[D];湖南大学;2019年
13 李娇娇;高光谱遥感图像高效分类与解混方法研究[D];西安电子科技大学;2016年
14 刘务;基于空谱特征挖掘的高光谱图像分类方法研究[D];哈尔滨工程大学;2018年
15 李威;基于机器学习的森林多源遥感数据分析方法研究[D];哈尔滨工程大学;2018年
16 李畅;高光谱遥感影像处理中的若干关键技术研究[D];华中科技大学;2018年
17 任越美;高光谱图像特征提取与分类方法研究[D];西北工业大学;2017年
18 王庆岩;面向植被遥感监测的高光谱图像分类技术研究[D];哈尔滨工业大学;2018年
19 吴钊君;基于权重核范数的高光谱图像去噪与解混方法研究[D];哈尔滨工业大学;2018年
20 张星;组合空间和光谱特性的高光谱图像异常检测与目标识别方法研究[D];国防科学技术大学;2016年
中国硕士学位论文全文数据库 前20条
1 李发勇;基于深度学习的高光谱图像分类算法研究[D];西北师范大学;2020年
2 吴奎霖;高光谱图像空谱特征提取与分类方法研究[D];深圳大学;2019年
3 马超;基于深度学习的高光谱遥感图像分类[D];杭州电子科技大学;2019年
4 李阿楠;核稀疏法在高光谱图像目标检测中的应用研究[D];华北电力大学;2019年
5 蒋家旭;基于自适应残差3D-CNN的高光谱图像跨域分类[D];内蒙古工业大学;2019年
6 张燕琪;基于聚类的高光谱图像压缩技术研究[D];重庆邮电大学;2019年
7 王金哲;融合可见光/高光谱和LiDAR数据的城市地物分类算法研究[D];哈尔滨工业大学;2019年
8 陈显军;基于空-谱协方差特征的高光谱图像流形降维方法[D];华南理工大学;2019年
9 马冠群;基于低秩约束的高光谱图像去噪算法研究[D];电子科技大学;2019年
10 祝凤娟;高光谱图像分类的样本优化算法研究[D];合肥工业大学;2019年
11 伍宇;基于注意力机制的CNN与稀疏ELM的高光谱图像分类[D];中国地质大学;2019年
12 董欢;高光谱和显微高光谱技术对羊肉中抗氧化酶的检测及对比研究[D];宁夏大学;2019年
13 肖春华;基于高光谱测色的织物染色配方智能预测[D];浙江理工大学;2019年
14 马超;贮藏期内滩羊熟肉肌红蛋白含量变化的高光谱模型构建及空间分布[D];宁夏大学;2019年
15 谭苏灵;红外高光谱视频气体监测技术研究[D];哈尔滨工业大学;2019年
16 李对对;基于机器学习的高光谱图像恢复算法研究[D];中国地质大学(北京);2019年
17 何志学;基于光谱空间KELM的高光谱图像特征提取研究[D];成都理工大学;2019年
18 林辉;基于深度学习的高光谱图像分类方法研究[D];沈阳航空航天大学;2019年
19 江鹏;基于深度学习的高光谱人脸图像识别[D];江西科技师范大学;2018年
20 朱成;基于联合贪婪算法的高光谱图像稀疏解混方法研究[D];南京航空航天大学;2019年
中国重要报纸全文数据库 前6条
1 记者 董龙训 通讯员 李春平;建立监测反馈网络[N];金融时报;2001年
2 记者 钟夏;两天半采集全球高光谱图像数据[N];珠海特区报;2019年
3 本报记者 付毅飞;“珠海一号”,为何能拍出太空大片[N];科技日报;2017年
4 廖吉轩;打造正风肃纪“千里眼”“顺风耳”[N];中国纪检监察报;2015年
5 郭伟;靠科技创新挑战买方市场[N];中国机电日报;2000年
6 黄金龙;未雨绸缪应对复杂局面[N];湖北日报;2007年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978