小样本条件下的遥感图像分类方法研究

《小样本条件下的遥感图像分类方法研究》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、硕士学位论文小样本条件下的遥感图像分类方法研究RESEARCHONREMOTESENSINGIMAGECLASSIFICATIONBASEDONSMALLSAMPLEDATA梁洪昱哈尔滨工业大学2017年12月国内图书分类号：TP311.13学校代码：10213国际图书分类号：004.42密级：公开工学硕士学位论文小样本条件下的遥感图像分类方法研究硕士研究生：梁洪昱导师：王岢副教授申请学位：工学硕士学科：计算机科学与技术所在单位：深圳研究生院答辩日期：2017年12月授予学位单位：哈尔滨工业大学Classified

2、Index:TP311.13U.D.C:004.42AdissertationsubmittedinpartialfulfillmentoftherequirementsfortheacademicdegreeofMasterofEngineeringRESEARCHONREMOTESENSINGIMAGECLASSIFICATIONBASEDONSMALLSAMPLEDATACandidate：HongyuLiangSupervisor：AssociateProf.KeWangAcademicDegreeAppl

3、iedfor：MasterofEngineeringSpeciality：ComputerScience&TechnologyAffiliation：ShenzhenGraduateSchoolDateofDefence：December,2017Degree-Conferring-Institution：HarbinInstituteofTechnology摘要摘要近年来，深度学习发展迅速，在大规模数据集上的图像分类准确率不断提高，实际应用中的图像分类技术不断成熟，为人们的生活工作提供了极大的方便。但是大规模的数

4、据集需要花费大量的人力与财力去获取，因此在遥感领域，图像数据集非常小，所以小样本条件下的遥感图像分类的研究具有十分重要的意义。但是当前针对小样本条件下的遥感图像分类方案仍然存在不足，传统的机器学习方案要求研究人员具备丰富的图像处理及图像特征提取经验和相关领域的先验知识，这使得传统的机器学习方案不具备通用性、扩展性弱；针对传统机器学习方案的缺点，许多研究人员提出了将深度学习当作特征提取器并采用支持向量机作为分类器的方案，这种方案虽然能够提升图像分类的准确度，但是这种方案牺牲了系统设计的便捷性，分裂了深度学习中特征学习

5、与分类任务。相比深度学习的端到端的学习方案，上述方案增加了额外的工作。因此，针对现有小样本条件下的遥感图像分类方案的不足，本文提出了两个深度学习模型优化的方案，并且在两个遥感数据集上开展了实验研究。针对深度学习容易过拟合的特点，本文提出了一种类似残差网络结构的模型优化方案。不同于残差网络结构将底层特征图与顶层特征图相加，本文提出的类残差网络结构将底层特征图与顶层特征图相融合，即矩阵拼接。通过特征图融合，实验表明当底层特征图对遥感数据具有较好的区分性时，顶层卷积层会去拟合一个趋向零的映射，因此顶层卷积层输出的特征图只

6、有少量被激活，减少了下一层卷积层噪声输入的可能性，所以采用类残差网络结构后能够缓解过拟合现象，提高图像分类的准确率。另外，针对深度学习参数过多、模型复杂的特点，本文提出了一种类似奇异值分解的模型稀疏化方案。通过对上一层卷积层输出特征图的压缩降维，使得当前卷积层的输入负担减小，大量减少了模型的参数数量，抑制了深度学习中采用过完备方案生成的冗余或相似特征图的数量。实验表明，通过对模型稀疏化后，在不采用深度学习模型微调的条件下，在遥感数据集上的分类准确率大幅度提高；在采用深度学习模型微调的条件下，选择合适的超参数时，模型

7、稀疏化后的图像分类效果要优于原始模型。关键词：小样本；图像分类；深度学习；过拟合；模型优化-I-摘要AbstractInrecentyears,withthedevelopmentofdeeplearning,theaccuracyofimageclassificationinlarge-scaledatasetsisimprovingrapidly.Imageclassificationtechnologyismoreandmorepopularinpracticalapplication,providinggr

8、eatconvenienceforhumanlifeandwork.Butittakesalotofmanpowerandfinancialrecoursestoobtainlarge-scaledatasetwhilethedatasetinremotesensingisverysmall,sotheresearchofimageclassificatio