|
基于深度學習的高光譜圖像特征學習研究
|
|
資料類別
|
電子電工畢業(yè)論文（設計） |
|
|
課程(專業(yè))
|
電子信息工程 |
|
關(guān)鍵詞
|
高光譜圖像|特征提取 |
|
適用年級
|
大學 |
|
身份要求
|
普通會員 |
|
金 幣
|
60 （金幣如何獲得？） |
|
文件格式
|
word+ppt |
|
文件大小
|
2485K |
|
發(fā)布時間
|
2020-02-02 14:36:00 |
|
預覽文件
|
0945027.png（只能預覽部分內(nèi)容） |
|
下載次數(shù)
|
0 |
| 發(fā)布人 |
kj008 |
內(nèi)容簡介：
基于深度學習的高光譜圖像特征學習研究，畢業(yè)論文，共44頁，18205字，附源程序。
摘 要：與普通圖像相比，高光譜圖像處理面臨的兩個主要問題是：一是光譜分辨率高、光譜曲線近乎連續(xù)、數(shù)據(jù)量大、數(shù)據(jù)冗余嚴重、譜間相關(guān)性強；另一是空間分辨率有限、存在大量混合像元，“Hughes”現(xiàn)象凸現(xiàn)。
“特征學習”從原始的像素出發(fā)通過特定的神經(jīng)網(wǎng)絡結(jié)構(gòu)自動發(fā)現(xiàn)圖像中隱藏的模式以學習出有效特征，近年來獲得空前的發(fā)展，成為國際上信號處理模式識別等領域的研究熱點。深度學習是一種多層的神經(jīng)網(wǎng)絡結(jié)構(gòu)，是自 2012 年來機器學習領域非常熱的一個研究方向，它能夠從原始的像素出發(fā)通過多層結(jié)構(gòu)自動學習有效特征并在輸出層實現(xiàn)分類。本文將基于深度學習的特征學習方法引入到高光譜遙感圖像處理中，結(jié)合像元的空譜聯(lián)合特征，設計了一種深度學習網(wǎng)絡，能夠從高光譜數(shù)據(jù)上百個波段中提取高光譜圖像的空譜聯(lián)合特征進行分類處理，其性能優(yōu)于國際上最新的RPCA+CNN算法。同時，訓練好的網(wǎng)絡具有很好的泛化性能，可以直接提取同種傳感器獲取的其他高光譜圖像數(shù)據(jù)，與傳統(tǒng)的SVM、SVM-CK等分類方法比較，正確率得到了顯著的提升。
關(guān)鍵詞：高光譜圖像，特征提取，深度學習，卷積神經(jīng)網(wǎng)絡
目錄
第一章 緒論 1
1.1 研究的背景和意義 1
1.2 高光譜圖像特征提取與分類的國內(nèi)外研究現(xiàn)狀 2
1.3 深度學習的國內(nèi)外研究現(xiàn)狀 4
1.4 論文的內(nèi)容安排和主要工作 5
第二章 卷積神經(jīng)網(wǎng)絡理論 6
2.1 引言 6
2.2 卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu) 6
2.2.1 稀疏連接與權(quán)值共享 6
2.2.2 最大池采樣 7
2.2.3 Softmax回歸 7
2.2.4 全連接層 10
2.2.5 Batch normalization批量正則化 10
2.2.6 激活層 11
2.3 基于卷積神經(jīng)網(wǎng)絡的特征學習 12
第三章 基于卷積神經(jīng)網(wǎng)絡的高光譜圖像特征學習研究 14
3.1 引言 14
3.2 網(wǎng)絡結(jié)構(gòu) 15
3.2.1 網(wǎng)絡總體結(jié)構(gòu) 15
3.2.2 輸入層 15
3.2.3 卷積層 16
3.2.4 批量正則化層 16
3.2.5 全連接層 17
3.2.6 輸出層 17
3.3 高光譜圖像分類測試數(shù)據(jù)集 17
3.3.1 Indian Pines 17
3.3.2 Salina 18
3.3.3 Pavia Centre and University 19
3.4 分類研究 21
3.4.1 簡介 21
3.4.2 實驗設計 21
3.4.3 實驗結(jié)果與分析 22
3.5 特征學習 25
3.5.1 特征學習簡介 25
3.5.2 實驗設計 26
3.5.3 實驗結(jié)果與分析 27
3.5 本章小結(jié) 30
第四章 總結(jié)與展望 31
4.1 研究工作總結(jié) 31
4.2 對進一步工作的展望 31
第五章 本科階段已取得的成果 32
參考文獻 33
致謝 38
畢業(yè)設計小結(jié) 39
相關(guān)說明：
1. 如您下載的資料不止一份，建議您注冊成為本站會員。會員請登錄后下載。
2. 會員購買金幣50元以下，0.7元/個，50元以上，0.5元/個。具體請看：下載與付款。
3. 會員48小時內(nèi)下載同一文件，不重復扣金幣。
4. 下載后請用WinRAR或 WinZIP解壓縮后使用。
5. 如仍有其他下載問題，請看常見問題解答。
下載地址：
|
|
| 相關(guān)畢業(yè)論文（設計） |
|
|
| 推薦畢業(yè)論文（設計） |
|
|
|
|
|