基于堆栈式稀疏自编码器的高光谱影像分类

发布时间：2017-09-10 20:09

  本文关键词：基于堆栈式稀疏自编码器的高光谱影像分类

  更多相关文章： 深度神经网 特征提取 高光谱影像分类 堆栈式稀疏自编码器 支持向量机

【摘要】：为挖掘高光谱影像数据的内在光谱特征,该文基于深度学习理论,引用堆栈式稀疏自编码器构建原始数据的深层特征表达。首先通过稀疏自编码器,得到原始数据的稀疏特征表达。其次通过逐层学习稀疏自编码器构建深度神经网,输出原始数据的深度特征。最后将其连接到支持向量机分类器,完成模型的精调。实验结果分析表明:基于堆栈式稀疏自编码器的最优分类模型,总体精度可达87.82%,优于实验中的其他方法,证明了深度学习方法在高光谱影像处理中具有良好的分类性能。
【作者单位】： 成都理工大学地学空间信息技术国土资源部重点实验室;
【关键词】： 深度神经网 特征提取 高光谱影像分类 堆栈式稀疏自编码器 支持向量机
【基金】：国家自然科学基金(41201440,41071265,41102225) 教育部高等学校博士学科点专项科研基金(20135122120009) 四川省教育厅科研项目(15ZB0066) 国土资源部地学空间信息技术重点实验室课题(KLGSIT2013-02)
【分类号】：TP751
【正文快照】： 高光谱影像分类是高光谱影像处理中的重要环节,由于Hughes现象[1]的影响,在不进行降维处理的情况下传统分类算法很难在高光谱影像分类中取得理想结果[2]。支持向量机(SVM)算法[3]能够较好地解决Hughes现象,近年来在高光谱影像分类中得到了广泛应用[4]。但其直接通过原始像元来

【相似文献】

中国期刊全文数据库 前10条

1 甘甫平;王润生;;高光谱遥感技术在地质领域中的应用[J];国土资源遥感;2007年04期

2 余旭初;杨国鹏;冯伍法;周欣;;基于简约集支持向量机的高光谱影像分类[J];计算机科学;2010年11期

3 李新双;张良培;李平湘;吴波;;基于小波分量特征值匹配的高光谱影像分类[J];武汉大学学报(信息科学版);2006年03期

4 杨可明;陈云浩;郭达志;蒋金豹;;基于高光谱影像的小麦条锈病光谱信息探测与提取(英文)[J];光子学报;2008年01期

5 苏俊英;舒宁;;一种基于非线性增益小波滤波的高光谱影像去噪技术研究[J];遥感技术与应用;2008年04期

6 杨可明;李慧;郭达志;;基于最佳小波包基的高光谱影像特征制图[J];测绘学报;2008年01期

7 杨国鹏;余旭初;刘伟;陈伟;;基于支持向量机的高光谱影像分类研究[J];计算机工程与设计;2008年08期

8 董超;赵慧洁;;关联向量机在高光谱影像分类中的应用[J];遥感学报;2010年06期

9 冯海亮;潘竞文;黄鸿;;半监督邻域保持嵌入在高光谱影像分类中的应用[J];计算机科学;2014年S1期

10 杜辉强;舒宁;;高光谱影像能量边缘提取[J];武汉大学学报(信息科学版);2006年02期

中国重要会议论文全文数据库 前4条

1 于美娇;董广军;张永生;纪松;杨靖宇;;一种基于极大后验估计的高光谱影像分辨率增强方法[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

2 张杰林;;砂岩型铀矿床高光谱数据挖掘技术研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

3 董彦芳;庞勇;;高光谱影像与LiDAR数据融合提取城市目标提取[A];中国地震学会空间对地观测专业委员会2013年学术研讨会论文摘要集[C];2013年

4 李飞;周成虎;陈荣国;;基于光谱曲线形态的高光谱影像检索方法研究[A];第二届中国科学院博士后学术年会暨高新技术前沿与发展学术会议程序册[C];2010年

，

本文编号：826360