基于深度學(xué)習(xí)的高光譜圖像特征學(xué)習(xí)研究

1、畢業(yè)設(shè)計(jì)論文畢業(yè)設(shè)計(jì)論文I摘要與普通圖像相比，高光譜圖像處理面臨的兩個(gè)主要問(wèn)題是：一是光譜分辨率高、光譜曲線近乎連續(xù)、數(shù)據(jù)量大、數(shù)據(jù)冗余嚴(yán)重、譜間相關(guān)性強(qiáng)；另一是空間分辨率有限、存在大量混合像元，“Hughes”現(xiàn)象凸現(xiàn)?！疤卣鲗W(xué)習(xí)”從原始的像素出發(fā)通過(guò)特定的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)自動(dòng)發(fā)現(xiàn)圖像中隱藏的模式以學(xué)習(xí)出有效特征，近年來(lái)獲得空前的發(fā)展，成為國(guó)際上信號(hào)處理模式識(shí)別等領(lǐng)域的研究熱點(diǎn)。深度學(xué)習(xí)是一種多層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，是自2012年來(lái)機(jī)器學(xué)習(xí)領(lǐng)

2、域非常熱的一個(gè)研究方向，它能夠從原始的像素出發(fā)通過(guò)多層結(jié)構(gòu)自動(dòng)學(xué)習(xí)有效特征并在輸出層實(shí)現(xiàn)分類。本文將基于深度學(xué)習(xí)的特征學(xué)習(xí)方法引入到高光譜遙感圖像處理中，結(jié)合像元的空譜聯(lián)合特征，設(shè)計(jì)了一種深度學(xué)習(xí)網(wǎng)絡(luò)，能夠從高光譜數(shù)據(jù)上百個(gè)波段中提取高光譜圖像的空譜聯(lián)合特征進(jìn)行分類處理，其性能優(yōu)于國(guó)際上最新的RPCACNN算法。同時(shí)，訓(xùn)練好的網(wǎng)絡(luò)具有很好的泛化性能，可以直接提取同種傳感器獲取的其他高光譜圖像數(shù)據(jù)，與傳統(tǒng)的SVM、SVMCK等分類方法比較

3、，正確率得到了顯著的提升。關(guān)鍵詞：高光譜圖像，特征提取，深度學(xué)習(xí)，卷積神經(jīng)網(wǎng)絡(luò)畢業(yè)設(shè)計(jì)論文畢業(yè)設(shè)計(jì)論文IIIextractfeaturefromotherhyperspectralimagecomparedwiththeigindatatheclassificationerrratehasbeensignificantlylower.KEYWDS：hyperspectralimagefeatureextractiondeeplearni