發(fā)布時(shí)間：2024-05-15 01:52

　　高光譜圖像起源于遙感技術(shù),應(yīng)用領(lǐng)域包括地質(zhì)、生物、醫(yī)學(xué)和軍事等。高光譜圖像為三維數(shù)據(jù),由光譜信息和圖像信息組成,具有數(shù)據(jù)量龐大且冗余、光譜波段多以及波段間相關(guān)性高等特點(diǎn),如何從高光譜圖像中提取不變和魯棒的特征,并進(jìn)行準(zhǔn)確分類(lèi)是高光譜圖像分類(lèi)問(wèn)題的關(guān)鍵。深度學(xué)習(xí)一經(jīng)問(wèn)世,在文本、語(yǔ)音、圖像和視頻的處理上都取得了成功,在更高維度的圖像上應(yīng)用深度學(xué)習(xí)也成為了新的挑戰(zhàn)。卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)中較為基礎(chǔ)并且應(yīng)用廣泛的網(wǎng)絡(luò)結(jié)構(gòu),但存在所需訓(xùn)練樣本多、圖像多義性表達(dá)差、池化層忽視大量信息的缺點(diǎn)。相比之下,膠囊網(wǎng)絡(luò)(Caps Net)中的膠囊,將所有特征的狀態(tài)信息,無(wú)論低級(jí)高級(jí),均以向量的形式進(jìn)行封裝,與標(biāo)量相比,將向量作為網(wǎng)絡(luò)的輸入,可以更完整地利用圖像信息,保留更多的特征,低級(jí)別的膠囊通過(guò)動(dòng)態(tài)路由機(jī)制向高級(jí)別的膠囊傳遞信息,層層抽象并分類(lèi),得到分類(lèi)結(jié)果�；�于以上原因,本文將非線性降維方法KPCA與擴(kuò)展形態(tài)學(xué)輪廓方法(EMP)相結(jié)合,并應(yīng)用3D-Caps Net進(jìn)行高光譜圖像的分類(lèi),即KE-3D-Caps Net,具體工作有:首先,針對(duì)高光譜圖像數(shù)據(jù)量龐大、波段信息冗余的特點(diǎn),采用具有高斯核的KPC...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 課題主要研究?jī)?nèi)容
    1.4 論文組織架構(gòu)
第2章 高光譜圖像分類(lèi)方法的相關(guān)理論
    2.1 高光譜圖像數(shù)據(jù)特性
    2.2 高光譜圖像分類(lèi)方法的基本理論
        2.2.1 降維
        2.2.2 數(shù)學(xué)形態(tài)學(xué)相關(guān)理論
        2.2.3 分類(lèi)結(jié)果的評(píng)價(jià)標(biāo)準(zhǔn)
        2.2.4 高光譜圖像的常用分類(lèi)方法
    2.3 深度學(xué)習(xí)相關(guān)理論
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)相關(guān)理論
        2.3.2 膠囊網(wǎng)絡(luò)的基礎(chǔ)理論
    2.4 本章小結(jié)
第3章 基于KE-3D-CapsNet的高光譜圖像分類(lèi)方法
    3.1 基于KPCA的光譜信息降維
    3.2 基于EMP的空間信息提取
    3.3 3D-CapsNet
        3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.2 工作原理
    3.4 基于KE-3D-CapsNet的高光譜圖像分類(lèi)方法的具體實(shí)現(xiàn)
    3.5 本章小結(jié)
第4章 高光譜圖像分類(lèi)實(shí)驗(yàn)及結(jié)果分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)集及平臺(tái)
        4.1.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.1.2 實(shí)驗(yàn)平臺(tái)
    4.2 實(shí)驗(yàn)與實(shí)驗(yàn)結(jié)果分析
        4.2.1 實(shí)驗(yàn)參數(shù)
        4.2.2 實(shí)驗(yàn)結(jié)果分析
    4.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號(hào)：3973725