基于深度學習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，在農作物檢測、地質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鍵和基礎的技術。但是，隨著高光譜圖像數據量的增大，其光譜信息會產生很多冗余，同時增加了“同物異譜”和“異物同譜”現象的出現，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，對于促進高光譜圖像具有更加廣泛的應用是十分必要的。
　　本文結合高光譜圖像的光譜信息和空間結構信息，分析研究了基于深度學習網絡PCA Network和卷積神經網絡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構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。
　　(2)提出了基于PCANetwork的高光譜圖像分類算法。分析深度學習模型P

3、CANetwork的優(yōu)勢，根據高光譜遙感圖像獨特特性，研究基于PCA Network高光譜遙感圖像的特征提取和分類算法。該方法利用構造好的PCANetwork和高斯SVM多分類器分別進行提取光譜特征和分類。同時結合波段選擇和閾值判定的方法加強了分類的穩(wěn)健性，大大提高了分類精度。
　　(3)分析卷積神經網絡的結構特點，實現了利用深層次的卷積神經網絡的網絡結構獲取高光譜圖像的光譜特征并進行分類，以及分析了深度學習網絡在高光譜圖像分類中