基于旋转深度森林和深度滤波的高光谱图像分类

发布时间：2024-04-26 21:32

　　随着高光谱遥感技术的飞速发展,高光谱遥感在遥感领域扮演着越来越重要的角色,并且已经广泛的应用与于地质勘探、精细农业、环境监测等多个领域。高光谱遥感数据具有波段多、高光谱分辨率、高空间分辨率等特点。在对高光谱图像进行一系列的分析和处理时,可以利用其丰富的光谱信息和空间信息。从高光谱数据中提取有效的特征,并结合其光谱信息和空间信息来进行分类是高光谱研究中最常见的任务。本论文主要采用基于旋转的深度森林、深度边缘保持滤波和基于随机块卷积特征提取的空谱分类方法对高光谱数据进行分类。利用空间信息和输出概率向量信息,进一步提升高光谱数据的分类效果和效率。论文的研究内容主要包括以下方面:1.在遥感领域,基于卷积神经网络的方法被用来处理很多具有挑战性的任务,其中也包括高光谱图像分类。然而,深度模型的训练非常耗时并且需要大量的标签样本,高光谱图像少量具有标签的样本限制了深度模型的分类性能。论文提出一种基于旋转的深度森林分类方法,使用旋转森林对高光谱图像进行旋转变换生成新的特征,采用多层结构的思想,结合新特征和每一层输出的概率向量作为下一层的输入,每一层中引入相邻像素来加入数据的空间信息。提出的方法巧妙的结...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
        1.1.1 遥感技术
        1.1.2 高光谱遥感技术
    1.2 高光谱分类技术发展的简单介绍
    1.3 论文主要内容及结构安排
第二章 高光谱图像分类研究
    2.1 高光谱图像预处理
        2.1.1 高光谱图像降维处理
        2.1.2 高光谱图像滤波处理
    2.2 高光谱图像分类
        2.2.1 传统的高光谱图像分类
        2.2.2 基于深度学习的高光谱图像分类
    2.3 高光谱图像分类的评价指标
第三章 基于旋转的深度森林的高光谱图像分类
    3.1 集成学习
    3.2 旋转森林
    3.3 基于旋转的深度森林
    3.4 实验
        3.4.1 实验数据介绍
        3.4.2 对比方法的简单介绍及参数设置
        3.4.3 测评指标及实验配置
        3.4.4 实验结果分析
        3.4.5 训练时间分析
    3.5 参数分析
    3.6 本章小结
第四章 基于深度边缘保持滤波的高光谱图像分类
    4.1 边缘保持滤波
        4.1.1 导向滤波
        4.1.2 联合双边滤波
    4.2 深度边缘保持滤波
    4.3 实验结果及其分析
        4.3.1 实验数据、评价指标与实验配置
        4.3.2 对比方法的简单介绍及参数设置
        4.3.3 分类结果
        4.3.4 参数分析
    4.4 本章小结
第五章 基于随机块卷积特征提取的高光谱图像分类
    5.1 随机块卷积特征提取的空谱分类
        5.1.1 随机投影
        5.1.2 主成分分析与白化
        5.1.3 基于随机块卷积的特征提取
        5.1.4 空谱分类
    5.2 实验结果及其分析
        5.2.1 实验数据及对比方法
        5.2.2 分类结果
        5.2.3 参数分析
    5.3 本章小结
第六章 总结与展望
    6.1 论文总结
    6.2 下一步展望
参考文献
致谢
作者简介



本文编号：3964904