基于深度學習的高光譜圖像特征學習研究

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