基于深度学习的高光谱图像目标分类研究

来源 :云南大学 | 被引量 : 0次 | 上传用户:zhaoxiaoyan0
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随看科技时代的进步与发展,遥感技术也发展的很快,遥感图像作为人们获得地面信息的重要研究对象,它也是近年来研究的热点。遥感图像在观测的领域中占有很重的分量,如今高光谱遥感技术已经应用于海洋监测、军事、土地资源等方面。高光谱图像的分辨率变得越来越高,图像越来越清晰,这使得图像中的信息变得更加的丰富,但是同时也带来了新的挑战,不仅使数据量和数据的维度增大,在一些研究的算法上的要求也更高。高光谱图像分类是当今研究的热点,它在理论研究与应用的前提是保证精确的目标分类,它的关键之处在于特征的提取。高光谱图像是一个具有三维立方体的数据,包含了丰富的光谱信息和空间信息,之前对高光谱图像进行分类运用最多的特征信息就是光谱信息。在近些年,提取的空间信息特征也被频繁运用来进行分类,取得了很好的分类效果,但是空间信息特征的提取仍然存在很多问题,怎样充分提取空间信息特征提高高光谱图像的分类精度依然是目前研究的重点问题。深度学习近几年受到了广大研究学者的高度关注,强大的数据分析能力和特征提取能力使其得到很多学者的青睐,深度学习也被应用到多个领域。对高光谱图像分类,为了提取更充分有用的特征信息提升其分类精度,首先提出了基于均方差空间信息提取算法,之后使用该算法提取图像的空间信息特征,然后提取图像中的光谱信息,把基于均方差算法提取的空间信息与提取的光谱信息进行融合形成空谱信息。最后设计不同的CNN模型和不同的栈式自编码神经网络模型,分别运用所设计的模型对光谱信息、空间信息、空谱信息进行训练分类。实验结果显示,基于栈式自编码神经网络的空谱信息模型得到的分类精度最高,与SVM模型、基于深度学习的高光谱图像分类及参数设置研究论文中的经过参数调节后的空谱-2D-CNN模型得到的分类精度相比都要高,提高了分类精度。
其他文献
我国当前居高不下的房价已引起政府、学界与媒体的广泛关注。房地产行业拉动国民经济快速发展的同时也因过高的房价产生负面作用。本文利用1997至2015年非房地产上市公司企业数据与省市级层面数据,从微观企业层面出发,探讨房地产价格上涨对我国企业创新行为的影响,并进一步分析其内在传导机制。研究发现:第一、房价上涨显著降低了我国企业的创新投入与创新产出。为控制房价与创新之间可能存在的内生性,本文引入土地供给
行人检测及再识别技术可以判断一个人是否进入某区域,实现可疑人跟踪,对于智能安全系统的开发和应用非常重要。伴随着第四次“工业革命”的来临,以深度学习为代表的人工智能发展迅速,机器视觉得到了前所未有的突破性进展,并在智能监控、智能辅助驾驶等相关领域得到了应用。其中机器视觉中的行人检测及再识别技术得到了相当广泛的研究及关注。论文以行人图像为研究对象,在阐述常用的目标检测及再识别算法基础上,提出了基于改进
近年来,多智能体系统的一致性协同控制在诸如生物集群、传感器网路、多合作机器人、水下作业船、无人机、编队控制、通信拥塞控制等领域得到广泛的关注和发展。但是,在考虑到实际约束和能量优化的条件下,针对多智能体系统一致性问题设计分布式的控制策略,依然具有很大的挑战性。本文主要研究针对多智能体系统的一致性问题,设计相应的分布式预测控制策略。首先,针对二阶采样多智能体系统的一致性问题,提出了一种分布式的预测控
近年来,随着深度相机的广泛应用,实时三维手部姿态估计成为了研究热点。手部姿态估计可以在人机交互、虚拟现实和增强现实等应用中发挥重要的作用。深度学习不断发展,并在各个领域显示出强大的生命力,为手部姿态估计问题带来了强有力的技术支撑。基于数据驱动的深度学习方法在实际应用时计算复杂度低,速度较快,可以满足手部姿态估计问题实时性的要求。因此,基于卷积神经网络的手部姿态估计方法成为三维手部姿态估计领域的主流
背景及目的:目前研究者多采用单个肝脏衰竭(即APASL标准)的标准鉴别乙肝相关ACLF患者。ACLF患者生存率的提高主要依赖于早期识别有MOF发生倾向的肝硬化AD患者。对于肝硬化AD
中国目前处于体制转型时期,权利已逐渐从政府下放到市场,但政府仍对土地、财政等部分资源拥有自由裁量权。因此,政府与市场共同对资源起到配置作用。企业家在谋求发展所需资源时主要存在两种方式:一是提升企业实力通过市场竞争获得更多资源,二是通过寻租的方式与某些掌权者建立政治联系来获得政府性资源。政治联系在世界范围内普遍存在,但在不同社会体系中,政治联系所发挥作用也存在差异。中国的社会文化将关系视作一种重要的
下雨是一种常见的天气现象,在雨天采集到的图像由于雨滴的干扰,会导致图像质量下降,严重影响后续的图像分割、目标识别等工作,因而对图像中的雨滴进行去除的方法已成为计算机视觉和人工智能领域的重要研究内容。本文对单幅图像雨滴去除方法进行研究,针对目前滤波等雨滴去除方法只能去除图像中的雨线条纹,深度学习的方法对样本依赖度过高且训练过程复杂等不足;在对雨滴进行物理建模的基础上,引入图像复原中经典的TV模型对不
协同标注作为一种成熟的技术,常被用来解决信息资源索引、管理、检索等问题,但存在因数据间交互信息不充分或无交互信息带来的冷启动问题。目前常用的解决办法是采用内容信息来增强和改善注释算法,尤其是基于文本内容的协同过滤,但对于如何更好地提取文本特征、衡量项目相似性等还需要深入探究。针对以上问题,本文结合稀疏线性方法(Sparse Linear Method,SLIM)和孪生卷积神经网络(Siamese
平面射影变换(单应性)是计算机视觉算法的重要工具之一,并且有广泛的应用.在抛物折反射摄像机下,本文提出了基于球像和对拓球像的公共自极三角形进行单应性估计的方法.一个空间球在抛物折反射摄像机下的投影过程分为两步.第一步,一个空间球投影到单位视球上形成一对对拓圆.第二步,以虚拟摄像机光轴与单位视球的交点为投影中心,将单位视球上的这对对拓圆投影到图像平面上形成两条不相交的二次曲线..由于本文是基于两幅图
随着互联网技术的高速发展,传统的教育行业有了更多的挑战与机遇,基于互联网的远程教育逐步的发展成长。为了满足社会教育的多样性,制作课件的资源形式也呈现出包含视频、文本、图片组合的多样性。然而随着电子设备尤其是移动端设备的普及,传统远程教育课件在安全性、兼容性等方面存在许多不足,并且课件形式较为单一,制作流程繁琐。基于这个背景,开发了一站式自主学习平台以解决这些问题。本文首先对时代光华公司的业务需求进