基于卷积神经网的高光谱数据特征提取及分类技术研究

《基于卷积神经网的高光谱数据特征提取及分类技术研究》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、硕士学位论文基于卷积神经网的高光谱数据特征提取及分类技术研究FEATUREEXTRACTIONANDCLASSIFICATIONFORHYPERSPECTRALIMAGEBASEDONCONVOLUTIONNEURALNETWORK姜含露哈尔滨工业大学2016年7月国内图书分类号：TN911.73学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文基于卷积神经网的高光谱数据特征提取及分类技术研究硕士研究生：姜含露导师：陈雨时副教授申请学位：工程硕士学科：电子与通信工程所在单位：电子与信息工程学院答辩日期：2016年7月授予学位单位：哈尔滨工业大学ClassifiedIn

2、dex:TN911.73U.D.C:621.3DissertationfortheMasterDegreeinEngineeringFEATUREEXTRACTIONANDCLASSIFICATIONFORHYPERSPECTRALIMAGEBASEDONCONVOLUTIONNEURALNETWORKCandidate：JiangHanluSupervisor：AssociateProf.ChenYushiAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ElectronicsandCommunicationEngineerin

3、gAffiliation：SchoolofElectronicsandInformationEngineeringDateofDefence：July,2016Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要基于高光谱数据的特征提取及分类技术一直是遥感领域研究的热点问题之一，而现有的特征提取方法主要针对地物某一方面的特性，利用线性或非线性的方程人为地设计或指定提取的特征，这种人工选取特征的过程往往需要专业的知识和经验，并且需要花费大量的时间，然而提取的特征并不能充分表达高光谱数据复杂的内部结

4、构和空谱信息。对于深度学习来说，它可以让计算机自动地学习有利于任务需要的特征，并将该过程融入模型训练的一部分，从而有助于进一步提高分类识别精度。本篇论文从高光谱数据的特点入手，结合基于深度学习的卷积神经网络模型，利用多个卷积层和池化层从高光谱数据中提取对多种变形具有高度不变性的非线性特征，进而实现高光谱数据的地物分类。本文的主要研究内容及成果包括以下几个方面：首先，针对高光谱遥感数据图谱合一的特点，探究深层卷积网络对高光谱数据特征提取及分类的适用性。高光谱数据在获取拍摄面的空间信息时，可以获得每一个像素的连续光谱曲线，这使得高光谱数据拥有较高的维度和较大的数据量，而深度学习的模型正适用于该

5、数据的特点。因此本文使用高光谱数据的光谱信息、空间信息和空谱联合信息，分别构造基于一维、二维和三维卷积核的深层卷积神经网络，实现了特征分级式表达，并将提取的特征引入高光谱数据的地物分类中，得到优于其他特征提取及分类方法的结果。其次，针对数据高维度与有限训练样本的不均衡问题，本文分别在一维卷积模型中引入L2正则项修改原始代价函数，在二维和三维模型中加入Dropout层稀疏每层网络的激活单位，来避免建模过程中过拟合现象的发生。并利用非饱和的非线性函数ReLU代替原有的Sigmoid激活函数，大大提高模型的收敛速度，降低了模型的复杂度。最后，在较少的训练样本下，基于光谱信息的一维深层卷积模型并不

6、能提供稳定的分类结果，为了进一步提高模型的分类性能，本文提出了基于随机特性选择的深度卷积神经网络集成模型。从两组数据的实验结果表明，与其他分类方法的分类精度相比，该方法是一个较有竞争力的解决方案。关键词：高光谱图像；深度学习；卷积神经网络；特征提取；分类-I-哈尔滨工业大学工程硕士学位论文AbstractFeatureextractionandclassificationofdatahavebeenthehotspotinresearchofremotesensingtechnology.Usinglinearornonlinearequationartificiallydesignedo

7、rspecifiedextractedfeatures,theexistingfeatureextractionmethodismainlyaimedatthecharacteristicsinacertainrespectofthetargetobject.Thiskindofartificialfeatureselectionprocessoftenneedprofessionalknowledgeandexperi