基于DBN的高光譜遙感影像分類方法研究

《基于DBN的高光譜遙感影像分類方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、中圖分類號(hào)：TP75論文編號(hào)：2017301094UDC：密級(jí)：公開(kāi)碩士學(xué)位論文基于DBN的高光譜遙感影像分類方法研究作者姓名：趙自雨學(xué)科名稱：測(cè)繪工程研究方向：地理信息系統(tǒng)原理與應(yīng)用學(xué)習(xí)單位：華北理工大學(xué)學(xué)制:2.5年提交日期：2018年12月1日申請(qǐng)學(xué)位類別：工程碩士導(dǎo)師姓名：劉亞靜教授單位：華北理工大學(xué)礦業(yè)工程學(xué)院陳光高工單位：唐山中交興路信息科技有限公司論文評(píng)閱人：楊可明教授單位：中國(guó)礦業(yè)大學(xué)（北京）地測(cè)學(xué)院汪金花教授單位：華北理工大學(xué)礦業(yè)工程學(xué)院論文答辯日期：2018年1月22日答辯委員會(huì)主席：趙紅蕊

2、教授關(guān)鍵詞：高光譜遙感；分類；深度學(xué)習(xí)；深度置信網(wǎng)絡(luò)；機(jī)載雷達(dá)唐山華北理工大學(xué)2018年3月ResearchonHyperspectralRemoteSensingImageClassificationBasedonDeepBeliefNetworksDissertationSubmittedtoNorthChinaUniversityofScienceandTechnologyinpartialfulfillmentoftherequirementforthedegreeofMasterofEngineeri

3、ngbyZhaoZiyu(SurveyingandMappingEngineering)ProfessorLiuYajingSupervisor:Ph.DChenGuangMarch,2018獨(dú)創(chuàng)性說(shuō)明本人鄭重聲明：所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫的研究成果，也不包含為獲得華北理工大學(xué)以外其他教育機(jī)構(gòu)的學(xué)位或證書(shū)所使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說(shuō)明并表示了謝

4、意。論文作者簽名：日期：2018年1月27日關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解華北理工大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：已獲學(xué)位的研究生必須按學(xué)校規(guī)定提交學(xué)位論文，學(xué)校有權(quán)保留、送交論文的復(fù)印件，允許論文被查閱和借閱；學(xué)?？梢詫W(xué)位論文的全部或部分內(nèi)容采用影印、縮印或編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行公開(kāi)、檢索和交流。作者和導(dǎo)師同意論文公開(kāi)及網(wǎng)上交流的時(shí)間：?自授予學(xué)位之日起□自年月日起作者簽名：導(dǎo)師簽名：簽字日期：2018年1月27日簽字日期：2018年1月27日摘要摘要隨著高光譜遙感成像技術(shù)的飛快發(fā)展，高光譜數(shù)據(jù)維度不

5、斷增加。在面對(duì)高光譜數(shù)據(jù)多維度、非線性、數(shù)據(jù)量大的特點(diǎn)下，如何從其中挖掘特征信息并實(shí)現(xiàn)數(shù)據(jù)分類，成為了高光譜遙感圖像解譯處理中的重要問(wèn)題。作為應(yīng)用在圖像識(shí)別方面取得成功算法，深度置信網(wǎng)絡(luò)具有小樣本學(xué)習(xí)、高維空間、非線性等特點(diǎn)，成為高光譜遙感影像分類的一個(gè)研究熱點(diǎn)。本課題嘗試將深度置信網(wǎng)絡(luò)應(yīng)用在高光譜數(shù)據(jù)分類中，利用其深度學(xué)習(xí)的優(yōu)勢(shì)去解決高光譜數(shù)據(jù)分類問(wèn)題。首先對(duì)深度學(xué)習(xí)中的深度置信網(wǎng)絡(luò)理論架構(gòu)做了研究，構(gòu)建了支持深度置信網(wǎng)絡(luò)的Matlab算法，并通過(guò)該平臺(tái)實(shí)現(xiàn)了高光譜數(shù)據(jù)的特征提取和數(shù)據(jù)分類，最后對(duì)高光譜數(shù)據(jù)與

6、機(jī)載雷達(dá)數(shù)據(jù)進(jìn)行了融合并利用模型分類和分類后評(píng)價(jià)。在分析深度置信網(wǎng)絡(luò)（DeepBeliefNetwork，DBN）的基礎(chǔ)上，研究基于深度置信網(wǎng)絡(luò)的高光譜數(shù)據(jù)分類方法，通過(guò)實(shí)驗(yàn)證明，采用信息熵的方法確定針對(duì)不同數(shù)據(jù)的網(wǎng)絡(luò)模型最佳隱含層層數(shù)分類精度最高。針對(duì)具有較多波段數(shù)的機(jī)載高光譜影像，提出了一種基于馬氏距離波段選擇方法，通過(guò)該方法剔除了冗余的波段，實(shí)現(xiàn)了數(shù)據(jù)的降維。高光譜數(shù)據(jù)中同時(shí)包含光譜和空間信息，分別從光譜、空間和光譜-空間三個(gè)特征空間對(duì)數(shù)據(jù)處理分析，并和支持向量機(jī)分類進(jìn)行了結(jié)果對(duì)比，實(shí)驗(yàn)表明，兩種分類器利

7、用光譜-空間特征的分類結(jié)果均好于單一特征的分類結(jié)果，在分類精度上DBN分類器高于SVM分類器3.78%。此外，為充分證明DBN模型對(duì)特征挖掘的能力，利用該模型實(shí)現(xiàn)了對(duì)機(jī)載高光譜影像與機(jī)載雷達(dá)影像的融合數(shù)據(jù)的分類，結(jié)果表明DBN分類效果好于SVM分類效果，同時(shí)融合數(shù)據(jù)的分類精度也高于高光譜數(shù)據(jù)的分類結(jié)果。圖32幅；表17個(gè)；參69篇。關(guān)鍵詞：高光譜遙感；分類；深度學(xué)習(xí)；深度置信網(wǎng)絡(luò)；機(jī)載雷達(dá)分類號(hào)：TP75--I華北理工大學(xué)碩士學(xué)位論文AbstractWiththerapiddevelopmentofhypers

8、pectraldataspectroradiometerofhighspatialandspectralresolution.Howtoextractfeatureinformationandclassifydatahasbecomeanimportantprobleminhyperspectraldataclassificationinthefaceofthefeaturesucha