高光譜影像地物識別的分類研究.pdf

1、遙感影像在軍事、國防、城市規(guī)劃、農業(yè)等方面的作用與日俱增，遙感影像的分類顯得尤為重要。高分辨率、高空間影像雖然為人們提供了更為豐富的空間與光譜信息以及地物其他的各種類型特征，但是高光譜影像也面臨兩個重要問題，一是數(shù)據(jù)量巨大，二是由空間分辨率導致的混合像元問題。傳統(tǒng)的方法已很難滿足當代的高精度識別需求，同時傳統(tǒng)方法多選擇單一的特征來識別地物，很少利用多特征融合方法來提高地物識別的精度。本文在現(xiàn)有的基礎上，搭建了三個學習框架用于提高高光譜影

2、像的識別精度，研究內容如下：
　　首先，提出基于降噪的棧自編碼學習模型提取深層特征，再匹配字典偶分類器而實現(xiàn)識別影像地物的一個學習框架。為了提高識別精度，在提取深層特征前融合光譜-空間特征。最后做了三組仿真實驗，實驗表明該框架對地物識別精度較高，識別效果圖較好。
　　其次，針對影像地物的特點，提出了適用于影像地物識別的卷積神經網絡模型，該模型的特征無需手動提取，操作簡單，實驗表明，基于卷積神經網絡模型對高光譜影像各類地物識別