基于多特征融合与深度置信网络的遥感影像分类研究

发布时间：2024-05-09 01:12

　　遥感影像分类是通过遥感分类技术大致区分影像中各类地物,是遥感图像处理的一个重要环节,对国防安全建设、城市规划、灾害监测、景观分析等具有重要意义。常用遥感影像分类方法有监督分类、非监督分类等,这些分类方法可以在一定程度上解决分类识别问题,随着遥感影像获取技术的进步和影像分辨率不断提高,影像包含的纹理信息丰富、特征较多、地物分布复杂,给分类识别增加了困难。因此越来越多的学者对高分辨率影像分类问题进行研究,如何利用这些信息成为了研究的热点。Krizhevsky将深度学习应用于图像识别时分类精度明显高于传统的分类方法。自此,众多学者开始对深度学习进行研究,在图像、语音识别等领域中取得较好效果。深度学习在自然图像识别的成功为其在遥感影像应用提供依据,当前如何将深度学习应用到高分辨率遥感影像中的研究成为趋势。本文以Matlab(R2017b)为实验平台,使用UC Merced_LandUse和WHU-RS19数据集,主要研究深度置信网络在高空间分辨率遥感影像分类中的应用。主要研究内容及结论如下:(1)针对高分辨率遥感影像特征繁多,使用单一特征描述分类精度不高等问题,提出了一种多...

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

图1-1技术路线图

图1-1技术路线图排如下：

图2-1UCMerced数据集场景类别影像图（部分场景）

图2-1UCMerced数据集场景类别影像图（部分场景）U-RS19数据集

图2-2WHU-RS19数据集场景类别影像图（部分场景）

图2-2WHU-RS19数据集场景类别影像图（部分场景）据预处理理是处理数据之前对数据进行操作，原始数据集中部分影像

图3-1Census变换

图3-1Census变换通过中心点与周围8个邻域像素的灰度值对比，得到一个2进制的8位数以组合（选择从左至右，从上到下），对应的十进制范围值在[0，255]之间。

本文编号：3968099