版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、由于高光譜遙感技術(shù)的逐漸強大,遙感數(shù)據(jù)維度的不斷增加,為高光譜數(shù)據(jù)分析中主流的分類問題帶來挑戰(zhàn)。在面對高光譜數(shù)據(jù)多維度、相關(guān)性、非線性、數(shù)據(jù)量大的特點下,如何將在其他分類任務(wù)中取得成功的算法應(yīng)用到高光譜數(shù)據(jù)的分類中,變成了在高光譜遙感圖像數(shù)據(jù)分析領(lǐng)域中的重要問題。除此之外,隨著空間測量技術(shù)水平的提升,高光譜影像的空間分辨率越來越高,進(jìn)而使得圖片像元之間的相關(guān)性越來越高,給利用空間信息對高光譜數(shù)據(jù)進(jìn)行分類提供了可能。本課題嘗試將在圖像識別
2、、語言檢測等方面取得成功的卷積神經(jīng)網(wǎng)絡(luò)算法應(yīng)用在高光譜圖像中,利用其能夠應(yīng)對非線性、網(wǎng)絡(luò)結(jié)構(gòu)簡單、可并行運算等能力去解決高光譜數(shù)據(jù)分類問題。
本課題首先對深度學(xué)習(xí)理論框架中的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了研究,探討了卷積神經(jīng)網(wǎng)絡(luò)的深度模型結(jié)構(gòu),研究了支持卷積神經(jīng)網(wǎng)絡(luò)的Caffe平臺,利用自然圖像集對卷積分類實現(xiàn)平臺進(jìn)行了驗證,并分析了該分類模型對高光譜地物信息進(jìn)行分類的可能性。
在卷積神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)上,以譜信息為分類依據(jù),研
3、究了基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜數(shù)據(jù)分類方法,由于卷積神經(jīng)網(wǎng)絡(luò)的輸入是圖像,提出了兩種譜信息變換成圖像的方法。一種將譜信息轉(zhuǎn)換為灰度圖,利用卷積網(wǎng)絡(luò)學(xué)習(xí)高光譜數(shù)據(jù)譜段間的變化紋理特征對數(shù)據(jù)進(jìn)行分類;一種將譜信息轉(zhuǎn)換為波形圖,利用卷積網(wǎng)絡(luò)學(xué)習(xí)高光譜數(shù)據(jù)譜段間波動特征對其進(jìn)行分類。巧妙地利用了在圖像分類方面取得了顯著性成果的深度學(xué)習(xí)思想對高光譜遙感圖像的像元進(jìn)行分類。實驗表明,這兩種方法對分類任務(wù)中的樣本種類數(shù)量比較敏感,在樣本種類比較多的數(shù)據(jù)
4、集上的分類結(jié)果優(yōu)于基于PCA降維的高斯核支持向量機方法,在某些種類比較少的數(shù)據(jù)集上的分類結(jié)果全面優(yōu)于當(dāng)前主流的基于SVM和其他深度模型分類方法。證明了用卷積神經(jīng)網(wǎng)絡(luò)對高光譜數(shù)據(jù)分類具有可行性,并為提出更有效的模型和算法提供了一種新的方向。
此外,為充分利用高光譜感知所提供的空間信息,同樣基于卷積神經(jīng)網(wǎng)絡(luò)的灰度圖和波形圖研究了兩種基于空譜聯(lián)合的高光譜數(shù)據(jù)分類方法。實驗證明,在加入了空間信息以后,利用卷積神經(jīng)網(wǎng)絡(luò)對高光譜數(shù)據(jù)分類的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類研究.pdf
- 基于新型神經(jīng)網(wǎng)絡(luò)的高光譜遙感圖像分類方法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類.pdf
- 基于深度自適應(yīng)神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的高光譜遙感圖像分類研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的問句分類研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的短文本分類方法研究.pdf
- 圖像分類中的卷積神經(jīng)網(wǎng)絡(luò)方法研究.pdf
- 基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的圖像分類研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的文檔圖像分類與檢索方法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的互聯(lián)網(wǎng)短文分類方法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的句子分類算法.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的場景分類研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究及應(yīng)用.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的接地網(wǎng)腐蝕程度分類方法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽場景分類.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的高維遙感數(shù)據(jù)分類研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測方法研究.pdf
評論
0/150
提交評論