基于半监督Curvelet压缩卷积模型的遥感图像地物分类

发布时间：2024-01-29 17:55

　　本文主要研究基于半监督Curvelet压缩卷积模型的遥感图像地物分类问题。近几年,遥感图像数据数量越来越多,包含的信息也越来越复杂。但用于训练模型的人工标记数据量却并没有增多,仅占待分类数据的极少部分。因此使用少量训练样本提取更多相关判别特征以用于表达分类是现阶段遥感图像地物分类的难点之一。本文提出使用Curvelet变换结合金字塔卷积模型作为多尺度,多方向,多分辨率的特征提取器,使用CRF-RF算法作为特征细化分类器,提出使用轻量化卷积网络与奇异值分解的方法对遥感图像进行分类,在保证准确率的情况下极大地减少了模型的参数量和计算复杂度。主要工作如下:1.提出了一种基于CRF-RF和Curvelet卷积模型的极化SAR地物分类方法。该方法通过将Curvelet滤波与卷积模型相结合,构造Curvelet卷积模型,使用该模型作为遥感图像的特征提取器,提取多方向、多尺度,多视角的特征信息。使用CRF-RF结合算法作为特征细化分类器,对Curvelet卷积模型输出的特征进行细致分类,通过形态学算法进行初步分类结果纠正。弥补了卷积神经网络端到端的分类中提取特征单一,并且需要大量训练数据训练网络的缺...

【文章页数】：110 页

【学位级别】：硕士

图像图2.3Curvelet分解Fine尺度图像示意图(a)Fine尺度层

本文编号：3888568