高光谱遥感图像波段选择和分类方法研究

发布时间：2021-06-13 06:23

　　高光谱遥感图像有几十甚至上百个连续的光谱通道和丰富的空间结构信息,但光谱信息有较高冗余性,图像中判别性特征提取较困难。针对这两个问题,本文重点研究波段选择方法和利用深度网络学习判别性特征去分类的方法,主要工作如下:（1）针对光谱信息冗余性高的问题,本文提出了基于局部潜能的聚类算法,去除原始波段中的冗余信息,选择更具代表性波段。波段局部潜能思想考虑了波段间的差异性,能更好刻画波段分布情况,并在提出的新排序规则中加入评价波段信息量的因素,使算法能发现更具代表性波段,特别是能发现具有丰富信息的边界波段。该算法的有效性在三个不同数据集上得到证明。（2）针对现有基于空谱融合的深度网络,较少考虑不同邻域的空谱信息融合,并存在网络加深分类精度下降的问题。本文提出了基于多尺度空谱融合的深度残差网络,采用多尺度输入、多残差块的思想来融合多个邻域的空谱信息,提取蕴含不同邻域空谱信息的判别性特征。残差块中恒等映射的思想使模型在深层网络中仍能保持较高分类精度。在三个不同数据集上,该网络的分类结果要优于其他方法。（3）针对现有深度网络较少考虑不同尺度特征间具有强互补和相关信息的问题,本文提出了多尺度深度中层特征... 

【文章来源】：沈阳航空航天大学辽宁省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

高光谱遥感图像

图 2.1 线性 SVM 示意图以描述为在全部分类正确的情况下，最大化问题如公式(2.13)：stywxb10w21ii2wb..( ) min,束引进拉格朗日乘子，这线性可分的最优化14):0i12Nsty0yyxx21iNi1iiNi1ijijiNi1Nj1ij,,,...,..min() 情况，但是大多数情况下，由于噪声或特异

{})iF xW是需要学习的残差映射，在图2.2 中有两层卷积层，那么 FW(W x)21 ，其中 代表 relu 函数，这里为了符号简单化省略了偏差 b。公式(2.17)中要求 F 和 x 必须是同一个维度才能够进行元素级相加，当 F和 x 不在一个维度的时候，残差块被定义为如下公式(2.18):yFxWWxis ( ,{}) (2.18)sW 用来改变 x 的维度，使 x 维度和 F 保持一致，sW 可以是使用 1×1 的卷积核来改变 x 的维度。图 2.2 残差块结构如图 2.3 所示

【参考文献】：
期刊论文
[1]基于空间邻域信息的高光谱遥感影像半监督协同训练[J]. 朱济帅,尹作霞,谭琨,王雪,李二珠,杜培军.  遥感技术与应用. 2016(06)
[2]中国高光谱遥感的前沿进展[J]. 童庆禧,张兵,张立福.  遥感学报. 2016(05)
[3]光学遥感影像智能化处理研究进展[J]. 龚健雅,钟燕飞.  遥感学报. 2016(05)
[4]高光谱图像处理与信息提取前沿[J]. 张兵.  遥感学报. 2016(05)
[5]高光谱遥感影像分类研究进展[J]. 杜培军,夏俊士,薛朝辉,谭琨,苏红军,鲍蕊.  遥感学报. 2016(02)
[6]一种新的两分类器融合的空谱联合高光谱分类方法[J]. 孙乐,吴泽彬,冯灿,刘建军,肖亮,韦志辉.  电子学报. 2015(11)
[7]基于纹理特征和形态学特征融合的高光谱影像分类法[J]. 王增茂,杜博,张良培,张乐飞.  光子学报. 2014(08)
[8]基于流形学习的高光谱影像降维理论与方法研究[J]. 孙伟伟.  测绘学报. 2014(04)
[9]利用分离性测度多类支持向量机进行高光谱遥感影像分类[J]. 谭琨,杜培军,王小美.  武汉大学学报(信息科学版). 2011(02)

博士论文
[1]无监督学习中聚类和阈值分割新方法研究[D]. 王骏.南京理工大学 2011
[2]复杂结构的聚类学习及图像分割研究[D]. 丁军娣.南京航空航天大学 2008



本文编号：3227182