基于注意力机制和复曲波融合网络的多光谱图像融合及地物分类

发布时间：2020-05-11 20:47

【摘要】：随着遥感技术的发展,多光谱图像在日常生活中和军事上的应用越来越广泛。多光谱图像不仅承载了地物的形态和结构特征信息,还包含了地物的光谱特征。利用多光谱图像数据对地物进行分类,是遥感图像领域一项重要的科研课题,具有显著的理论价值以及实际应用价值。随着图像中包含的信息量越来越大,传统的图像分类方法由于其挖掘图像特征的能力有限,无法充分地提取有用的分类信息,已经难以满足实际应用的需求,而随着深度学习在图像方面的应用,深度学习表现出了强大的图像特征表达能力,成为一种挖掘图像深层特征和分类信息的新方法。另外,多光谱图像虽然光谱信息比较丰富,但其空间分辨率通常比较低,空间细节信息较少,这在一定程度上影响了对多光谱图像的分类结果。为了解决这个问题,通常需要通过图像融合的方法,获取更多的空间细节信息,进一步提高对图像的分类效果。论文以多光谱图像为基础,深入开展了基于注意力机制和深度学习的多光谱图像融合及地物分类的研究,利用实际地物数据进行实验仿真,主要内容为以下三个方面:1.提出了基于注意力机制和DenseNet的多光谱图像地物分类。在DenseNet中,随着特征图数量逐渐增多,会产生一定的信息冗余,并且在众多特征图中有一些特征对分类任务非常有用,而有些特征对分类任务的用处并不太大,于是提出了一种基于注意力机制的DenseNet网络,并将这种网络命名为加权DenseNet网络。该网络能够更加关注对分类效果有用的特征,忽略对分类作用不大的特征,减轻信息冗余的问题,提高多光谱图像分类任务的效率,增强分类效果。2.提出了基于复数加权DenseNet的多光谱图像地物分类。目前大多数神经网络都是在实数域上搭建的,但是,研究表明复数神经网络具有更强的特征表达能力,也具有更强的鲁棒性。因此,将加权DenseNet拓展到了复数域上,提出了一种复数加权DenseNet网络结构,使得网络能够更有效地提取和表达图像的特征,分类效果更加准确有效。3.提出了基于复曲波融合网络的多光谱图像融合及地物分类。通过对多光谱图像和全色图像进行融合,能够结合两种图像的优点,获得更多对分类有用的信息。由于曲波变换具有很强的各向异性,通过曲波变换对两种图像进行融合,可以增强对图像的表达能力。因此在复数加权DenseNet的基础上,结合曲波变换,提出了一种基于曲波变换的复曲波融合网络,进一步改善对多光谱图像的分类效果。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751

【相似文献】

相关期刊论文 前10条

1 马启明;;多光谱图像技术在食品品质检测中的应用研究[J];食品界;2017年04期

2 孙根云;张爱竹;王振杰;;基于数据场模型的多光谱图像边缘检测[J];东南大学学报(自然科学版);2013年S1期

3 ;我国研制出同时获取立体和多光谱图像方法[J];现代科学仪器;2011年02期

4 ;我国研制出同时获取立体和多光谱图像的方法[J];光学仪器;2011年03期

5 李婵;万晓霞;谢伟;李天庭;梁金星;;照明光源对多光谱图像采集精度影响的研究[J];激光杂志;2016年12期

6 李云;杨海清;;多光谱图像技术在土壤酸碱度检测中的应用[J];红外;2014年03期

7 黄云仙;李祥;艾未华;;多光谱图像的无损压缩方法[J];计算机工程与科学;2010年04期

8 李云松;孔繁锵;吴成柯;雷杰;;基于分布式信源编码的干涉多光谱图像压缩[J];光学学报;2008年08期

9 邓黎;李元祥;;基于整数小波变换的MODIS多光谱图像无损压缩[J];解放军理工大学学报(自然科学版);2007年01期

10 王海文;李杰;万晓霞;卢玲;阮渭平;寿伟克;毛立洪;李云霞;;面向高保真复现的多光谱图像融合算法[J];数字印刷;2019年02期

相关会议论文 前10条

1 孙根云;张爱竹;王振杰;;基于数据场模型的多光谱图像边缘检测[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

2 黄云仙;李祥;艾未华;;多光谱图像的无损压缩方法[A];2009第五届苏皖两省大气探测、环境遥感与电子技术学术研讨会专辑[C];2009年

3 陈海永;杨佳博;王庆;王涛;陈鹏;刘坤;;复杂背景太阳能电池片表面缺陷多光谱图像融合[A];2018中国自动化大会(CAC2018)论文集[C];2018年

4 邸(韦冿);;基于三维高斯马尔可夫随机场模型的多光谱图像目标自动检测[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

5 张宪伟;宋建社;张红蕾;廖增为;;SAR图像与多光谱图像融合方法研究[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

6 姜伟杰;孙明;孙洁琼;;基于光谱分析及光谱图像技术作物长势检测研究综述[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

7 刘吉平;郭艳柳;;一个基于惯量椭球的遥感图像匹配新算法[A];第十七届中国遥感大会摘要集[C];2010年

8 王海华;张彦娥;郭威;;基于多光谱图像的玉米营养监测技术研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

9 蒋年德;王耀南;;基于小波包变换融合TM多光谱图像与SPOT全色图像[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

10 况军;罗建书;黄志雄;;基于三维自适应预测的多光谱图像的无损压缩算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

相关重要报纸文章 前2条

1 记者 詹媛;首批高分辨率卫星影像图发布[N];光明日报;2013年

2 电子系;清华技术精准鉴别钞票真伪[N];新清华;2011年

相关博士学位论文 前10条

1 HANANE TEFFAHI;高光谱和多光谱图像分类的谱-空间特征提取技术[D];哈尔滨工业大学;2018年

2 李婵;彩绘文物多通道光谱图像获取方法研究[D];武汉大学;2016年

3 潘之玮;基于图像融合的多光谱图像超分辨率重建算法[D];浙江大学;2019年

4 陈书界;多光谱图像配准与去模糊方法研究[D];浙江大学;2018年

5 翟林;自适应多光谱图像稀疏逼近滤波算法研究[D];山东大学;2018年

6 张凯;基于稀疏矩阵分解的遥感图像融合[D];西安电子科技大学;2018年

7 隋延林;基于张量的多光谱图像云检测与在轨实时处理研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年

8 金剑秋;多光谱图像的融合与配准[D];浙江大学;2005年

9 梁玮;基于光谱特性的多光谱图像压缩方法研究[D];西安电子科技大学;2014年

10 戎凯旋;基于投影替代与矩阵低秩稀疏分解的多光谱图像融合[D];西安电子科技大学;2016年

相关硕士学位论文 前10条

1 吴育新;部分相干光照明的多光谱图像重构算法研究[D];南昌大学;2019年

2 李艺健;无人机低空遥感多光谱图像预处理与拼接技术研究[D];浙江大学;2019年

3 王茜;基于注意力机制和复曲波融合网络的多光谱图像融合及地物分类[D];西安电子科技大学;2019年

4 侯礼超;多光谱图像采集控制及数据处理技术研究[D];西安电子科技大学;2019年

5 张德钧;基于Faster R-CNN和多光谱图像的漂浮HNS检测与分类研究[D];浙江大学;2019年

6 王志辉;印度币多光谱图像识别方法研究[D];华中科技大学;2019年

7 杨骏锋;基于卷积神经网络的Pan-sharpening方法[D];厦门大学;2018年

8 何欣;多光谱图像深度特征描述与鲁棒匹配[D];北京邮电大学;2019年

9 闫昱光;基于多光谱图像的水稻估产模型研究[D];东北农业大学;2019年

10 朱晨青;基于多光谱图像技术的迷彩面料颜色测量分析[D];江南大学;2019年

，

本文编号：2659041