收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度堆栈网络的高光谱图像分类方法研究

李晓会  
【摘要】:高光谱图像分类技术是高光谱遥感最为重要的研究方向,在军事和民用领域都得到了广泛应用。但是由于高光谱数据具有波段数目众多、各波段相关性强、运算量大的特点,常规的图像分类方法在处理高光谱图像时有较大的限制,如何从大量的高光谱数据中快速而准确地挖掘出所需要的信息,实现高精度的分类,仍是一个亟待解决的问题。深度学习作为一种非线性特征提取方法,通过组合低层特征形成更加抽象的高层类别属性或特征,以挖掘数据的分布式特征表示,具备强大的特征表达能力和对复杂任务的建模能力。因而,基于深度网络的高光谱图像分类的研究受到科研人员越来越多的关注。目前,已应用于高光谱遥感领域的深度学习网络包括深度自编码网络、深度信念网络和深度卷积网络。在这些深度神经网络中,有成千上万的参数需要学习导致训练非常耗时,作为优化算法的基于最小批处理的随机梯度下降算法又很难在多CPU上并行化训练,而深度堆栈网络可克服这些难题。本文在对现有算法进行分析的基础上,深入研究了深度堆栈网络的结构和算法,并结合逻辑回归分类器,提出了高光谱图像分类的有效方法。论文主要完成了以下工作:(1)系统介绍了高光谱图像分类的基础理论。首先分析了高光谱遥感图像的数据特点,介绍了高光谱图像的特征、研究了几种经典的特征提取算法,包括:主成分分析、最大噪声分数变换、流形学习、神经网络以及深度神经网络;接下来介绍了高光谱图像分类的流程以及现有的高光谱像元的分类算法,包括无监督分类与有监督分类。(2)重点学习、研究了深度堆栈网络模型。分析了深度堆栈网络模型的结构、学习算法以及微调算法,讨论了正则化技术和网络模型的深度对特征提取的影响,还介绍了逻辑回归分类器,这些为高光谱图像分类提供新的基础。(3)提出了一种基于深度堆栈网络和逻辑回归分类器(DSN-LR)的算法,该算法能够利用深度堆栈网络模型来提取高光谱图像的深度特征以用于分类。探讨了深度堆栈网络模型中正则化Dropout值和模型深度的选取问题。实验表明,相比传统的特征提取算法,深度堆栈网络能够提取更好的深度特征;基于DSN-LR的各项分类指标优于基于支持向量机和神经网络的,通过混淆矩阵和KSC的分类结果全图更进一步解释了DSN-LR算法的优越性。(4)提出了一种基于DSN-LR和光谱信息与空间信息联合的高光谱分类方法,在光谱信息的基础之上加入空间信息能够更进一步提高高光谱图像分类精度。首先采用一种基于PCA变换与像素邻域相结合的空间特征提取方法,将空间特征与光谱特征有机融合形成光谱空间联合信息;然后利用深度堆栈网络-逻辑回归分类器(DSN-LR)对光谱空间信息进行特征提取与分类。仿真结果表明,基于光谱空间联合的DSN-LR方法在各项分类指标上高于基于支持向量机和之前的基于光谱特征的分类方法,有效提高了高光谱图像的分类性能。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 谌德荣;宫久路;陈乾;曹旭平;;基于样本分割的快速高光谱图像异常检测支持向量数据描述方法[J];兵工学报;2008年09期
2 蒲晓丰;雷武虎;张林虎;蒋奇材;;基于Fukunaga-Koontz变换的高光谱图像异常检测[J];红外技术;2010年04期
3 成宝芝;郭宗光;;高光谱图像波段间相关特性研究[J];大庆师范学院学报;2013年06期
4 杨龙;易宏杰;李因彦;;遥感高光谱图像赤潮识别[J];传感器世界;2007年05期
5 汪倩;陶鹏;;结合空间信息的高光谱图像快速分类方法[J];微计算机信息;2010年21期
6 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期
7 冯朝丽;朱启兵;朱晓;黄敏;;基于光谱特征的玉米品种高光谱图像识别[J];江南大学学报(自然科学版);2012年02期
8 付欢;龙海南;韩晓霞;;基于冗余字典的高光谱图像的稀疏分解[J];河北软件职业技术学院学报;2013年04期
9 耿修瑞,张霞,陈正超,张兵,郑兰芬,童庆禧;一种基于空间连续性的高光谱图像分类方法[J];红外与毫米波学报;2004年04期
10 张绮玮;机载高光谱遥感图像处理软件系统[J];红外;2005年02期
11 谷延锋;刘颖;贾友华;张晔;;基于光谱解译的高光谱图像奇异检测算法[J];红外与毫米波学报;2006年06期
12 谌德荣;张立燕;陶鹏;曹旭平;;结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法[J];宇航学报;2007年03期
13 谌德荣;陶鹏;张立燕;范宁军;;基于区域特征光谱的自组织特征映射神经网络高光谱图像主成分提取方法[J];宇航学报;2007年06期
14 寻丽娜;方勇华;;独立分量分析在高光谱图像舰船检测中的应用[J];计算机仿真;2008年09期
15 李杰;赵春晖;梅锋;;利用背景残差数据检测高光谱图像异常[J];红外与毫米波学报;2010年02期
16 粘永健;王展;万建伟;辛勤;;面向异常检测的高光谱图像压缩技术[J];国防科技大学学报;2009年03期
17 郭雷;常威威;付朝阳;;高光谱图像融合最佳波段选择方法[J];宇航学报;2011年02期
18 梅江涛;李勇;;采用谱间预测的高光谱图像压缩方法研究[J];计算机工程与应用;2011年04期
19 杨月桃;王茂芝;郭科;;一种新的高光谱图像分类方法[J];无线互联科技;2013年09期
20 成宝芝;赵春晖;;基于粒子群优化聚类的高光谱图像异常目标检测[J];光电子.激光;2013年10期
中国重要会议论文全文数据库 前10条
1 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
2 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
3 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学(激光)联合学术‘13年会论文(摘要)集[C];2013年
4 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年
5 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
6 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[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
7 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
8 冯维一;陈钱;何伟基;;基于小波稀疏的高光谱目标探测算法[A];黑龙江、江苏、山东、河南、江西 五省光学(激光)联合学术‘13年会论文(摘要)集[C];2013年
9 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年
10 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年
2 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年
3 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年
4 魏然;基于成像机理分析的高光谱图像信息恢复研究[D];哈尔滨工业大学;2015年
5 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年
6 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年
7 孙涛;快速多核学习分类研究及应用[D];西安电子科技大学;2015年
8 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年
9 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年
10 南一冰;星载推扫型高光谱运动成像误差建模与高精度校正技术研究[D];北京理工大学;2015年
中国硕士学位论文全文数据库 前10条
1 丰烁;高光谱图像波段选取问题的改进算法研究[D];昆明理工大学;2015年
2 赵伟彦;果蔬干燥过程中的品质无损检测技术研究[D];江南大学;2015年
3 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年
4 刘大洋;基于近红外光谱和高光谱图像技术无损识别猕猴桃膨大果[D];西北农林科技大学;2015年
5 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年
6 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年
7 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年
8 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年
9 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年
10 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015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