基于深度學習的高光譜圖像特征學習研究_第1頁
已閱讀1頁,還剩49頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、畢業(yè)設計論文畢業(yè)設計論文I摘要與普通圖像相比,高光譜圖像處理面臨的兩個主要問題是:一是光譜分辨率高、光譜曲線近乎連續(xù)、數據量大、數據冗余嚴重、譜間相關性強;另一是空間分辨率有限、存在大量混合像元,“Hughes”現象凸現?!疤卣鲗W習”從原始的像素出發(fā)通過特定的神經網絡結構自動發(fā)現圖像中隱藏的模式以學習出有效特征,近年來獲得空前的發(fā)展,成為國際上信號處理模式識別等領域的研究熱點。深度學習是一種多層的神經網絡結構,是自2012年來機器學習領

2、域非常熱的一個研究方向,它能夠從原始的像素出發(fā)通過多層結構自動學習有效特征并在輸出層實現分類。本文將基于深度學習的特征學習方法引入到高光譜遙感圖像處理中,結合像元的空譜聯合特征,設計了一種深度學習網絡,能夠從高光譜數據上百個波段中提取高光譜圖像的空譜聯合特征進行分類處理,其性能優(yōu)于國際上最新的RPCACNN算法。同時,訓練好的網絡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據,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。關鍵詞:高光譜圖像,特征提取,深度學習,卷積神經網絡畢業(yè)設計論文畢業(yè)設計論文IIIextractfeaturefromotherhyperspectralimagecomparedwiththeigindatatheclassificationerrratehasbeensignificantlylower.KEYWDS:hyperspectralimagefeatureextractiondeeplearni

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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論