基于生成对抗网络的高光谱图像分类

发布时间：2020-09-10 11:14

　　高光谱图像分类是遥感图像处理领域的一个重要分支。传统的分类方法无法充分利用高光谱图像的空谱特征,导致分类精度较低。基于深度学习的高光谱图像分类方法能挖掘数据的隐藏信息,提取出更有利于图像分类的特征。利用有限的数据样本提取更丰富的特征,以及整合这些特征来提高分类精度,是高光谱图像分类领域的热门研究方向。本文结合高光谱图像的光谱特征和空间特征,提出了两种基于生成对抗网络的高光谱图像分类方法。主要创新工作如下:(1)针对高光谱图像分类领域中特征利用不足的问题,提出了一种基于生成对抗网络的高光谱图像分类方法。根据高光谱图像空间域和光谱域的相关性,利用卷积生成对抗网络挖掘其深层特征,生成可分性更高的高光谱图像,提升了分类精度。(2)针对高光谱图像分类领域中空间信息利用不足的问题,提出了一种基于生成对抗网络的像素邻域的特征提取方法。先取像素点的邻域图像来训练生成对抗网络,将训练好的判别网络作为邻域图像的特征提取器,使用判别网络中的不同网络层提取特征,然后利用提取的邻域特征对图像进行分类。同时,将提取的邻域特征结合像素的光谱特征来提升分类精度。
【学位单位】：浙江工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP751
【部分图文】：

高光谱图像,高光谱图像

2 章高光谱图像的特点及常用分类方图像的特点通常只有 RGB 或者 YUV 三个通道，图像中含有的信息非常有渐成熟，目前高光谱成像技术能获得上千个光谱波段，光谱分时也受到更多领域的重视。相比普通图像，高光谱图像拥有更一个数据立方体，不仅拥有和普通图像一样的空间信息，还拥的高光谱图像结构如图 2-1 所示，x 和 y 表示空间维，z 代表光示两种不同地物(Woods、Alfalfa)对应的光谱曲线。

后处理,策略,空间特征,光谱特征

图 2-2 同步处理策略步处理策略也被称为特征融合策略，是指将提取的空间特征和光谱特征通过在一起，再输入到分类器直接得到分类结果，步骤如图 2-2 所示。常见的处空间特征和光谱特征转换到不同的核空间，再通过核复合的方式来融合两种空间特征和光谱特征进行展平或拉伸处理后再送入分类器。同步策略能充分空间信息和光谱信息，但是特征融合增大了运算量。

高光谱图像,同步处理,策略,高光谱图像

浙江工业大学硕士学位论文余弦值来衡量像素点的相似度，然后进行分类。最小距离匹配法是一种监督学距离未知样本最近的已知样本的类别标签赋给该样本，常用的距离衡量标准有欧式距离等。基于空谱结合的高光谱图像分类方法随着对高光谱图像的深入研究，学者们发现空间域和光谱域信息的结合能有效分类精度。传统的高光谱图像分类方法通常是根据单个像素点的光谱信息进行了空间信息，其分类结果容易出现椒盐现象，引入空间信息能有效缓解这种现合的分类方法根据空谱信息结合方式的不同，可分为同步处理和后处理两种策

【相似文献】