基于深度學(xué)習(xí)的高光譜圖像分類算法的研究.pdf

1、高光譜遙感圖像是遙感圖像的一種，主要是通過獲取地物反射的不同波長的電磁波經(jīng)過處理所形成的，一般由幾十到幾百個波段組成，且含有豐富的光譜信息，是地面環(huán)境監(jiān)控的重要途徑，在農(nóng)作物檢測、地質(zhì)勘測以及軍事偵察等方面具有重大的作用。其中，高光譜圖像的分類是最為關(guān)鍵和基礎(chǔ)的技術(shù)。但是，隨著高光譜圖像數(shù)據(jù)量的增大，其光譜信息會產(chǎn)生很多冗余，同時增加了“同物異譜”和“異物同譜”現(xiàn)象的出現(xiàn)，對光譜特征的提取和高光譜圖像的分類都提出了巨大的挑戰(zhàn)。因此，研究

2、高效的高光譜圖像分類算法，對于促進(jìn)高光譜圖像具有更加廣泛的應(yīng)用是十分必要的。
　　本文結(jié)合高光譜圖像的光譜信息和空間結(jié)構(gòu)信息，分析研究了基于深度學(xué)習(xí)網(wǎng)絡(luò)PCA Network和卷積神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類算法，主要的工作包括:
　　(1)分析了高光譜圖像的光譜特征與空間結(jié)構(gòu)特征以及三種特征融合的方式，為高光譜圖像的分類算法提供了理論基礎(chǔ)。
　　(2)提出了基于PCANetwork的高光譜圖像分類算法。分析深度學(xué)習(xí)模型P

3、CANetwork的優(yōu)勢，根據(jù)高光譜遙感圖像獨(dú)特特性，研究基于PCA Network高光譜遙感圖像的特征提取和分類算法。該方法利用構(gòu)造好的PCANetwork和高斯SVM多分類器分別進(jìn)行提取光譜特征和分類。同時結(jié)合波段選擇和閾值判定的方法加強(qiáng)了分類的穩(wěn)健性，大大提高了分類精度。
　　(3)分析卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)，實(shí)現(xiàn)了利用深層次的卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)獲取高光譜圖像的光譜特征并進(jìn)行分類，以及分析了深度學(xué)習(xí)網(wǎng)絡(luò)在高光譜圖像分類中