

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、高光譜遙感圖像具有很高的光譜分辨率和地物鑒別能力,已廣泛應(yīng)用于農(nóng)業(yè)、生態(tài)環(huán)境、國(guó)防等領(lǐng)域。由于高光譜圖像波段多、數(shù)據(jù)量大,傳統(tǒng)的遙感圖像分類(lèi)方法不合適高光譜圖像分類(lèi)。
本文在高光譜遙感圖像降維處理的基礎(chǔ)上,采用新型神經(jīng)網(wǎng)絡(luò)方法,對(duì)航空OMIS-I高光譜遙感影像進(jìn)行詳細(xì)的分類(lèi)實(shí)驗(yàn)。首先,采用核主成分分析(Kernel Principal Component Analysis,KPCA)方法和遺傳算法(Genetic Algori
2、thm,GA)對(duì)高光譜遙感圖像進(jìn)行降維處理;然后;采用傳統(tǒng)遙感圖像分類(lèi)方法(ISODATA、SVM)、傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(BP)、新型神經(jīng)網(wǎng)絡(luò)方法分別進(jìn)行分類(lèi)對(duì)比實(shí)驗(yàn);最后,采用混淆矩陣和制圖精度進(jìn)行分類(lèi)精度評(píng)價(jià)。論文的主要研究工作和成果包括:
(1)高光譜遙感圖像降維處理。論文主要采用核主成分分析(KPCA)和遺傳算法(GA)兩種方法進(jìn)行了降維。KPCA方法盡管降維后的物理意義不明確,但是對(duì)于不符合高斯分布的數(shù)據(jù),KPCA能獲得較
3、為理想的效果,因?yàn)?KPCA是一種非線性降維技術(shù)。遺傳算法降維屬于波段選擇的范疇,采用遺傳算法進(jìn)行波段選擇時(shí),盡管時(shí)間復(fù)雜度不是很低,但是能夠找到比較理想的特征波段用于后繼工作的分類(lèi)。
(2)傳統(tǒng)遙感圖像分類(lèi)方法與新型神經(jīng)網(wǎng)絡(luò)方法的對(duì)比。首先采用 SVM和ISODATA方法對(duì) OMIS-I高光譜圖像進(jìn)行分類(lèi),然后將分類(lèi)結(jié)果與新型神經(jīng)網(wǎng)絡(luò)方法對(duì)比,結(jié)果表明新型神經(jīng)網(wǎng)絡(luò)方法比傳統(tǒng)遙感圖像分類(lèi)方法效果要好。
?。?)應(yīng)用新型
4、神經(jīng)網(wǎng)絡(luò)方法對(duì)高光譜遙感圖像進(jìn)行分類(lèi)實(shí)驗(yàn)。首先采用傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法對(duì)高光譜遙感圖像進(jìn)行了分類(lèi),分類(lèi)結(jié)果顯示,普通的BP網(wǎng)絡(luò)分類(lèi)結(jié)果并不理想。在此基礎(chǔ)上,引入了模糊網(wǎng)絡(luò)、小波網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)、Adaboost網(wǎng)絡(luò)、架構(gòu)網(wǎng)絡(luò)、基于遺傳算法的神經(jīng)網(wǎng)絡(luò)等網(wǎng)絡(luò)進(jìn)行遙感圖像的分類(lèi),然后與普通的BP網(wǎng)絡(luò)進(jìn)行對(duì)比。主要選擇了2個(gè)指標(biāo)進(jìn)行對(duì)比:一個(gè)是制圖精度,另一個(gè)是時(shí)間復(fù)雜度。實(shí)驗(yàn)表明新型神經(jīng)網(wǎng)絡(luò)方法比傳統(tǒng)的神經(jīng)網(wǎng)咯方法分類(lèi)精度要搞。在制圖精度上
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的高光譜遙感圖像分類(lèi)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類(lèi)研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類(lèi)研究.pdf
- 基于深度自適應(yīng)神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類(lèi)方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)模型的遙感圖像分類(lèi)方法研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)遙感圖像特征分類(lèi)方法的研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜數(shù)據(jù)分類(lèi)方法研究.pdf
- 高光譜遙感圖像分類(lèi)方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的遙感圖像分類(lèi)研究.pdf
- 基于圖像融合的高光譜遙感圖像分類(lèi)研究.pdf
- 基于深度信念網(wǎng)絡(luò)的高光譜遙感圖像分類(lèi)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和Contourlet的遙感圖像分類(lèi)處理.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的高維遙感數(shù)據(jù)分類(lèi)研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)方法研究.pdf
- 高光譜遙感圖像的稀疏表示分類(lèi)方法研究.pdf
- 高光譜遙感圖像半監(jiān)督分類(lèi)方法的研究.pdf
- 基于支持向量機(jī)的高光譜遙感圖像分類(lèi)方法研究.pdf
- 基于SVM的高光譜遙感圖像海面溢油分類(lèi)方法研究.pdf
- 基于稀疏表示的高光譜遙感圖像分類(lèi).pdf
- 基于云理論的高光譜遙感圖像分類(lèi)研究.pdf
評(píng)論
0/150
提交評(píng)論