基于深度學(xué)習(xí)的高光譜遙感圖像分類.pdf

1、高光譜遙感技術(shù)是二十世紀(jì)末人類對(duì)地觀測技術(shù)的重大突破之一，應(yīng)用領(lǐng)域廣泛。針對(duì)高光譜遙感圖像分類領(lǐng)域，現(xiàn)有機(jī)器學(xué)習(xí)算法能夠較好解決遙感圖像分類問題。但隨著遙感圖像的光譜分辨率和空間分辨率越來越高，應(yīng)用場景中的地物分布越來越復(fù)雜，現(xiàn)有機(jī)器學(xué)習(xí)算法無法較好的處理大規(guī)模數(shù)據(jù)。另外，鄰域空間信息(Neighbor region spatial information)是遙感圖像分類中獲取空間信息的常用手段，但是遙感圖像中不同位置的同類像素的鄰域空

2、間信息差別較大，這會(huì)嚴(yán)重影響分類結(jié)果。目前這些問題成為制約高光譜遙感圖像分類的瓶頸。本文針對(duì)高光譜遙感圖像分類中所存在的這些問題，對(duì)自編碼網(wǎng)絡(luò)以及鄰域空間信息進(jìn)行改進(jìn)，并嘗試使用深度信念網(wǎng)絡(luò)對(duì)遙感圖像進(jìn)行分類。
　　本研究主要內(nèi)容包括：⑴提出基于k稀疏降噪自編碼的分類模型。針對(duì)自編碼網(wǎng)絡(luò)中的稀疏性不夠徹底的問題，引入k稀疏性，確保對(duì)每個(gè)輸入樣本都能實(shí)現(xiàn)稀疏編碼。針對(duì)同類像素鄰域空間信息差異較大的問題，提出限定性空間信息(Restr

3、icted spatial information)，有效地降低了鄰域空間信息對(duì)分類效果的影響。⑵采用基于深度信念網(wǎng)絡(luò)的分類模型。針對(duì)遙感圖像數(shù)據(jù)量越來越大的問題，采用深度信念網(wǎng)絡(luò)對(duì)高光譜遙感圖像進(jìn)行特征提取，實(shí)現(xiàn)了數(shù)據(jù)量較大情況下的高性能分類。針對(duì)限定性空間信息方法中存在需要調(diào)試的參數(shù)的問題，提出了地標(biāo)空間信息(Landmark spatial information)，消除了需要調(diào)試的參數(shù)，提高了限定性空間信息方法的可操作性。⑶將上