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》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、中圖分類號：TP75論文編號：2017301094UDC：密級：公開碩士學(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閱人：楊可明教授單位：中國礦業(yè)大學(xué)（北京）地測學(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)；機載雷達唐山華北理工大學(xué)2018年3月ResearchonHyperspectralRemoteSensingImageClassificationBasedonDeepBeliefNetworksDissertationSubmittedtoNorthChinaUniversityofScienceandTechnologyinpartialfulfillmentoftherequirementforthedegreeofMasterofEngineeri

3、ngbyZhaoZiyu(SurveyingandMappingEngineering)ProfessorLiuYajingSupervisor:Ph.DChenGuangMarch,2018獨創(chuàng)性說明本人鄭重聲明：所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進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)以外其他教育機構(gòu)的學(xué)位或證書所使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中做了明確的說明并表示了謝

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)庫進行公開、檢索和交流。作者和導(dǎo)師同意論文公開及網(wǎng)上交流的時間：?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。在面對高光譜數(shù)據(jù)多維度、非線性、數(shù)據(jù)量大的特點下，如何從其中挖掘特征信息并實現(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題。作為應(yīng)用在圖像識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，成為高光譜遙感影像分類的一個研究熱點。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)勢去解決高光譜數(shù)據(jù)分類問題。首先對深度學(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，并通過該平臺實現(xiàn)了高光譜數(shù)據(jù)的特征提取和數(shù)據(jù)分類，最后對高光譜數(shù)據(jù)與

6、機載雷達數(shù)據(jù)進行了融合并利用模型分類和分類后評價。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，通過實驗證明，采用信息熵的方法確定針對不同數(shù)據(jù)的網(wǎng)絡(luò)模型最佳隱含層層數(shù)分類精度最高。針對具有較多波段數(shù)的機載高光譜影像，提出了一種基于馬氏距離波段選擇方法，通過該方法剔除了冗余的波段，實現(xiàn)了數(shù)據(jù)的降維。高光譜數(shù)據(jù)中同時包含光譜和空間信息，分別從光譜、空間和光譜-空間三個特征空間對數(shù)據(jù)處理分析，并和支持向量機分類進行了結(jié)果對比，實驗表明，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模型對特征挖掘的能力，利用該模型實現(xiàn)了對機載高光譜影像與機載雷達影像的融合數(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；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)；機載雷達分類號：TP75--I華北理工大學(xué)碩士學(xué)位論文AbstractWiththerapiddevelopmentofhypers

8、pectraldataspectroradiometerofhighspatialandspectralresolution.Howtoextractfeatureinformationandclassifydatahasbecomeanimportantprobleminhyperspectraldataclassificationinthefaceofthefeaturesucha