基于长短时记忆网络的高光谱图像分类

发布时间：2021-09-04 18:06

　　高光谱遥感技术是目前遥感技术领域的重要学科,高光谱数据包含的海量信息及其独特的性质,使得高光谱图像（Hyperspectral Image,HSI）分类越来越多地被应用于农业、地理、气象学和国防军事等领域,因此值得我们深入研究。分类任务中,如何获取并学习数据的特征是重点和难点,如何提取充分、有效的特征直接影响分类结果。受自然语言处理领域相关思想的启发,本文的重点是在HSI中寻找具有序列关系的特征,再利用深度学习的框架完成对低层特征的抽象学习,实现特征提取和分类的一体化任务。本文的主要工作如下:（1）提出了一种基于流形学习和局部空间序列的长短时记忆网络用于HSI分类,提取出更具表示性和判别性的高层语义特征。该方法针对单一传统低层特征信息量不足、局部空间内不同样本对分类模型的影响不同等问题,在使用流形学习算法降维保持图像的局部拓扑结构的基础上,融合两种低层特征并构建样本的局部空间序列特征,最终利用长短时记忆网络对局部空间序列特征进行抽象学习同时分类。本方法不仅得到了更具表示性和判别性的高层语义特征,并且通过构建局部空间序列增强了有用像素对分类的积极影响,抑制了无用像素的消极作用,提升了分类... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

高光谱图像结构

图 1.2 高光谱图像数据立方体的发展也遇到很多阻碍。由于 HS维数过高会增加模型的计算复杂度关性，当选择过多的具有相关性的况等。所以，处理分析 HSI 的核心

图 2.1 自编码器的结构 是将多个的隐层堆栈式的堆叠起来，SAE 网络类的基本结构如图 2.2 所示。SAE 的输入特征为训练得到每层的参数，当预训练完所有层的参x 层进行多分类处理，并反向传导输入样本的标

【参考文献】：
期刊论文
[1]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)
[2]基于概率潜语义分析模型的高光谱影像层次聚类分析[J]. 易文斌,慎利,齐银凤,唐宏.  光谱学与光谱分析. 2011(09)
[3]高光谱遥感技术的发展与应用现状[J]. 杨国鹏,余旭初,冯伍法,刘伟,陈伟.  测绘通报. 2008(10)
[4]利用成像光谱遥感技术识别和提取矿化蚀变信息——以河北赤城—崇礼地区为例[J]. 甘甫平,王润生,郭小方,张宗贵,王青华,杨苏明.  现代地质. 2000(04)



本文编号：3383752