收藏本站
收藏 | 论文排版

基于多特征卷积神经网络的高光谱图像分类方法研究

刘光云  
【摘要】:高光谱遥感图像一般都含有上百个光谱波段,并且达到了纳米级的光谱分辨率,这使其蕴含了丰富的地物光谱信息和具备其他遥感图像没有的特性。因此,高光谱图像广泛应用于农业监测、地质勘探和军事侦查等领域。其中,对高光谱图像进行分类一直是一个重要的研究问题,同时也是描述高光谱图像地物详细信息的关键技术。近年来,随着深度神经网络在图像处理方面取得了越来越大的成功,很多研究人员开始将卷积神经网络应用于高光谱图像分类。基于卷积神经网络的分类方法通常都是采用高光谱图像块作为网络的输入,但是因为图像的空间特性比较复杂,固定大小的高光谱图像块可能含有多种地物,其将会干扰卷积神经网络对图像块真实地物类别的正确判别,从而引起误分类问题。此外,传统的基于卷积神经网络的分类方法一般都是只利用了最后一层卷积特征进行分类,而没有充分利用前面层的卷积特征。针对以上的两个问题,本文提出了两种分类算法,并对算法的模型测试系统进行了软件界面开发。本文的主要内容总结如下:1)针对固定大小的高光谱图像块可能含有多种地物,容易引起误分类这一问题,本文提出了一种基于多阈值特征卷积神经网络的高光谱图像分类方法。根据不同地物由于像素值不同,其在网络中的响应也不同,本方法引入了一个多阈值模型,该模型通过采用多个阈值将特征图分解成代表不同地物的阈值特征图,然后通过网络的自动优化,灵活选择特征图,从而能够实现更精准的分类。实验结果表明,通过引入多阈值模型,能较好的缓解误分类问题,提高了分类精度。2)针对传统的卷积神经网络没有充分利用多层卷积特征进行分类这一问题,本文提出了一种基于多特征融合卷积神经网络的高光谱图像分类方法。该方法包含两种融合策略,第一种融合策略叫做多输出联合决策融合,该策略由卷积神经网络通过多个卷积层自动学习不同层级的特征,并在多个卷积层上分别设计输出层,然后由所有输出层的分类结果通过决策融合得出最终结果。第二种策略叫做多特征线性融合,该策略将多个卷积层的层级深度特征进行线性叠加融合,然后利用融合后的特征进行分类。实验结果表明,充分利用卷积神经网络的多层级卷积特征能够有效地提升分类效果。3)针对以上两种分类算法的模型测试系统,本文在Python3.6环境下,采用Pycaffe接口和Qt Designer工具对其进行了软件开发和界面设计。


知网文化
【相似文献】
中国期刊全文数据库 前13条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 王方;苗放;陈垦;;基于优化神经网络的地质灾害监测预警仿真[J];计算机仿真;2019年11期
4 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期
5 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期
6 李杰;孙仁诚;;几种典型卷积神经网络的权重分析与研究[J];青岛大学学报(自然科学版);2019年04期
7 岳新;杜玉红;蔡文超;;基于GA-BP神经网络异纤分拣机检测参数优化[J];棉纺织技术;2020年01期
8 赵伟荣;李慧;;基于集成神经网络的织物主观风格预测研究[J];纺织科技进展;2020年01期
9 李金堂;;试析神经网络技术在机械工程中的应用及发展[J];网络安全技术与应用;2020年02期
10 张振;许少华;;一种深度小波过程神经网络及在时变信号分类中的应用[J];软件;2020年02期
11 李金峰;刘云鹤;;不同结构深度神经网络的时间域航空电磁数据成像性能分析[J];世界地质;2020年01期
12 李健;刘海滨;胡笛;;基于生成对抗网络和深度神经网络的武器系统效能评估[J];计算机应用与软件;2020年02期
13 叶凯强;高洪;时培成;;基于循环神经网络的双轴打捆机智能换挡策略研究[J];安徽工程大学学报;2020年01期
中国重要会议论文全文数据库 前10条
1 郝佳恺;赵广怀;高鹏;牛海洋;郝毅;;可变嵌套深度神经网络自动训练方法[A];全国第四届“智能电网”会议论文集[C];2019年
2 徐小天;李敏;孙跃;高冉馨;;深度神经网络的攻击与防御技术研究[A];第三届智能电网会议论文集——智能用电[C];2019年
3 周浩;戴国忠;;基于神经网络的指挥信息系统体系贡献度分析[A];2019第七届中国指挥控制大会论文集[C];2019年
4 李玉缝;;基于BP神经网络的主备频率源时差预报方法[A];中国天文学会2018年学术年会摘要集[C];2018年
5 朱利明;路达;陈占毅;李方明;;基于BP-RBF神经网络的深基坑邻近建筑物沉降势预测[A];土木工程新材料、新技术及其工程应用交流会论文集(下册)[C];2019年
6 张子腾;梁烨;胡启鹏;张梦隆;陈智慧;;基于迁移卷积神经网络的脑功能连接分类[A];创新发展与情报服务[C];2019年
7 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
8 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 刘梦云;基于视觉的室内场景识别及其在多源融合定位中的应用[D];武汉大学;2019年
2 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
3 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
4 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
5 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
6 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
7 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
8 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
9 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
10 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
中国硕士学位论文全文数据库 前10条
1 胡小南;基于深度学习的长途客车乘客大数据处理及分析研究[D];东北大学;2016年
2 万晶;基于深度神经网络的加密流量分类[D];武汉大学;2019年
3 汤倩;基于Cauchy Born准则和神经网络的应力计算[D];武汉大学;2019年
4 牛菲菲;基于词向量表示和卷积神经网络的微博情感分类研究[D];武汉大学;2017年
5 陆璐;基于卷积神经网络的声学场景分类[D];武汉大学;2017年
6 徐安建;基于卷积神经网络的遥感影像农作物分类方法研究[D];武汉大学;2017年
7 吕成城;基于循环神经网络的块稀疏信号恢复算法研究[D];武汉大学;2019年
8 贺三三;卷积神经网络在语义分割中的研究[D];西北师范大学;2019年
9 李永礼;基于脉冲神经网络的视觉图像分类方法研究[D];北京化工大学;2019年
10 陈剑;卷积神经网络的多粒度并行优化研究[D];武汉大学;2017年
中国重要报纸全文数据库 前10条
1 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
2 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
3 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
4 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
5 ;神经网络小史[N];电子报;2018年
6 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
7 ;人工智能将取得大面积突破[N];中国企业报;2017年
8 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
9 ;人类正迎来云端机器人时代[N];中国企业报;2017年
10 张斌;谁还需要“同传”[N];文汇报;2017年
 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