基于深度学习的高光谱图像分类研究

发布时间：2024-04-09 19:17

　　随着技术的发展,高光谱传感器取得了巨大的成功。太空机载传感器可以捕获大量具有高光谱分辨率和空间信息的图像。这些图像带来了许多方面的应用开发,高光谱图像分类(Hyperspectral image classification,HIC)是其中重要的分支之一。HIC是指为每个像素分配一个标签。与传统的遥感图像相比,HIS(Hyperspectral image)具有更多的波段和连续的光谱特征。因此,充分提取光谱和空间特征进行分类是高光谱分类精度提升的一个关键。除此之外,高光谱图像具有更多的冗余信息,怎样去除冗余信息减少计算量也是一个重要问题。另外,高光谱图像可训练的数据样本比较少,在现在深度学习网络框架越来越复杂的情况下,高光谱图像分类训练过程中很容易出现过拟合的情况,因此这也是值得深入研究的问题。本文针对以上几个问题,从以下几方面进行了研究:(1)本文针对是否能够充分利用光谱和空间特征对高光谱图像进行有效分类的问题,设计了一种端到端的基于卷积神经网络(Convolutional Neural Network,CNN)和Transformer融合的网络结构Trans CNN。此网络首先将高...

【文章页数】：73 页

【部分图文】：

图1.5卷积神经网络结构图

卷积神经网络由Fukushima提出并由LeCun进行修改[61]。卷积神经网络训练时分为前向传播与反向传播:前向传播过程中,信息由输入层进行输入,并经过卷积层、池化层、全连接层的逐级变换,传送到输出层,如图1.5所示;反向传播过程中,算法将首先衡量真实值与预测值之间的损失,然后....

图1.5市面上常见的几款小型高光谱相机Headwall产品Specim产品Cubert产品四川双利合谱产品

博士学位论文9适应快速的工业检测应用需求。受限于光谱分光技术，市面上的少数快照式相机空间分辨率和波段数较低，实际应用场合有很大的局限性。图1.5市面上常见的几款小型高光谱相机1.2.4高光谱视觉检测算法研究现状针对高光谱图像检测方法的研究，国内外学者已经做了大量的工作，已经形成了....

图2-1典型的降噪和分类处理流程

目前学界只有少量文献[115,116]研究了降噪与分类联合算法。在传统机器学习算法上,文献[115]提出了基于条件随机场和多项式逻辑回归混合模型,实现了高光谱图像降噪和分类同时处理,并验证了可通过迭代训练和循环学习来同时提升降噪和分类性能。在深度学习算法上,文献[116]针对彩色....

图2.4四层神经网络模型

基于深度学习的图像分类及其在高光谱图像中的应用研究1层中神经元的个数。络的输出值后需要求神经网络代价函数来进行下一步梯度下降的运算从而进价函数如公式2.15所示：11()()2()2,11111(,)((()))()22ll....

本文编号：3949528