基于ELM的高光谱遥感影像土地利用覆盖分类优化方法研究

《基于ELM的高光谱遥感影像土地利用覆盖分类优化方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子科技大学UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA专业学位硕士学位论文MASTERTHESISFORPROFESSIONALDEGREE论文题目基于ELM的高光谱遥感影像土地利用覆盖分类优化方法研究专业学位类别工程硕士学号201522180320作者姓名李丽指导教师黄方副教授分类号密级注1UDC学位论文基于ELM的高光谱遥感影像土地利用覆盖分类优化方法研究（题名和副题名）李丽（作者姓名）指导教师黄方副教授电子科技大学成都（姓名、职称、单位名称）

2、申请学位级别硕士专业学位类别工程硕士工程领域名称电子与通信工程提交论文日期2018.5.01论文答辩日期2018.5.23学位授予单位和日期电子科技大学2018年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号ResearchonLandUseCoverClassificationOptimizationMethodsforHyperspectralRemoteSensingImageBasedonELMAMasterThesisSubmittedtoUniversityofElectr

3、onicScienceandTechnologyofChinaDiscipline:MasterofEngineeringAuthor:LiLiSupervisor:Assoc.Prof.FangHuangSchool:SchoolofResourcesandEnvironment摘要摘要利用遥感影像进行土地利用覆盖分类是获取土地覆盖信息的重要环节，也是目前土地利用/土地覆盖变化研究的重点内容。近年来，鉴于高光谱遥感影像具有多波段、高分辨率、包含丰富的信息等巨大优势，利用它对土地利用分类已成为遥感领域的

4、研究热点。然而，高光谱遥感数据的海量、高维等特点也为遥感影像分类的研究带来了极大的挑战，传统的分类方法在用于分类时，容易造成处理规模过大、计算复杂以及极易陷入极小值等问题，尤其是在分类效率和速度上已很难满足当前应用的需求。极限学习机（ExtremeLearningMachine,ELM）是于2006年提出的一种快速机器学习算法，在处理大规模数据时展现出学习速度快、效率高以及良好的泛化性能等优点，因此将ELM算法应用于高光谱遥感影像分类能够有效克服该领域所面临的发展瓶颈问题。着眼于此，本文将ELM应用于高

5、光谱遥感影像分类，主要针对ELM遥感影像分类方法存在的不稳定性、鲁棒性较差以及分类精度偏低等问题，分别从集成学习、充分利用影像纹理特征以及深度学习三个不同角度出发，提出了三种基于ELM的遥感影像分类优化方法。具体的研究内容如下：（1）针对ELM分类中存在的分类结果的不稳定性，结合集成学习思想，设计并实现了基于集成学习的ELM遥感影像分类方法。首先，通过重采样生成多个训练集，分别训练一个ELM基分类器；然后删除其中不稳定或分类较差的基分类器，并采用投票法+最大概率法对基分类器进行集成；最后利用该方法对In

6、dianPines、PaviaU和Salinas高光谱数据进行分类实验，结果证明该方法在保证ELM分类效率优势的同时，提高了遥感影像分类的稳定性和鲁棒性，使分类精度也得以提高。该方法的不足之处在于分类结果改善仍不够理想，分类图中仍有一些麻点。（2）为了进一步提高ELM分类精度，并且解决（1）中优化方法存在的问题，本文充分考虑并利用地物丰富的空间纹理特征，提出了基于局部二值模式纹理特征（LBP）的KELM遥感影像分类方法。该方法首先采用最小噪声分离变换对波段降维，接着通过LBP算子提取遥感影像丰富的纹理特

7、征，然后采用径向基函数作为核函数，构建KELM分类器。最后，将该方法应用于遥感影像土地分类中，结果表明LBP-KELM在分类应用中取得了良好的效果，分类精度高，耗时少，且遥感影像分类图相比（1）中基于集成学习的ELM分类图要更平滑，麻点显著减少，但分类结果易受遥感数据类型的影响。I摘要（3）结合深度学习这一前沿理论，为了充分利用深度学习算法和ELM算法的各自优势，设计实现了能够适用于多种数据集分类的基于CNN-ELM的高光谱遥感影像分类模型，利用CNN的卷积层和子采样层交替连接构造深度特征提取层，ELM

8、构造分类层完成最终地物类别判定，并在当前热门的深度学习框架Keras上予以实现。最后，通过实验验证了该分类模型的有效性以及在分类精度上具有的优势。综上所述，本文提出的三种ELM遥感影像分类优化方法均通过实验验证了其有效性，并在保证ELM算法在分类效率和速度方面优势的同时，进一步提高了高光谱遥感影像土地利用分类的精度，改善了分类效果，增强了分类方法的稳定性和鲁棒性。关键词：高光谱遥感，ELM，集成学习，LBP，深度学习IIABSTRACTAB