基于深度自適應(yīng)神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類方法研究.pdf

1、在過去幾年，高光譜圖像處理技術(shù)在理論和應(yīng)用上都取得了巨大進(jìn)步。得益于高光譜圖像同時(shí)擁有豐富的空間信息和光譜信息，高光譜圖像地物分類算法研究取得了巨大進(jìn)步。但是隨著高光譜圖像的空間分辨率和光譜分辨率不斷提高，數(shù)據(jù)維度大幅度增長，這也使得當(dāng)前主流的基于“空間譜特征”（spatial-spectral feature）的分類方法面臨非常大的困難。經(jīng)典的高光譜圖像分類方法，諸如支持向量機(jī)、邏輯回歸、神經(jīng)網(wǎng)絡(luò)等都可歸結(jié)為淺層分類器，而研究表明深層

2、網(wǎng)絡(luò)可以從原始數(shù)據(jù)中提取更多刻畫數(shù)據(jù)本質(zhì)的特征信息。
　　本文對(duì)高光譜圖像的成像原理及特點(diǎn)進(jìn)行了深入分析，然后引入了深度神經(jīng)網(wǎng)絡(luò)理論，通過在深度神經(jīng)網(wǎng)絡(luò)相鄰層神經(jīng)元間引入連接的稀疏性，實(shí)現(xiàn)自適應(yīng)的分類特征深度提取；另一方面，為了降低深度神經(jīng)網(wǎng)絡(luò)的計(jì)算復(fù)雜度，本文提出了一種高效能深度自適應(yīng)神經(jīng)網(wǎng)絡(luò)分類方法，并將該方法成功地應(yīng)用于高光譜圖像地物分類。本文的主要貢獻(xiàn)歸納如下：
　　①分析了高光譜圖像的成像原理與數(shù)據(jù)特點(diǎn)，并闡述了對(duì)

3、原始高光譜數(shù)據(jù)進(jìn)行特征提取或降維的必要性。然后建立了基于深度神經(jīng)網(wǎng)絡(luò)的高光譜圖像地物分類模型，在此基礎(chǔ)上，對(duì)比常用的特征提取方法，分析了深度神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)以及深層網(wǎng)絡(luò)結(jié)構(gòu)對(duì)模型性能的影響。
　?、卺槍?duì)高光譜圖像波段間存在強(qiáng)相關(guān)性與冗余性，并給模式識(shí)別和分類等任務(wù)帶來了巨大挑戰(zhàn)，本文提出了一種基于深度自適應(yīng)分組置信網(wǎng)絡(luò)的高光譜圖像地物分類方法。該方法能夠自適應(yīng)的衰減與冗余波段相連的連接強(qiáng)度，減小冗余波段的影響，降低特征間的相關(guān)性，提