基于CNN及集成学习的高光谱影像分类方法研究

发布时间：2024-03-26 01:32

　　随着科学的不断发展,遥感技术正逐渐渗透于国家经济、生态环境、国防科技等诸多方面,并且发挥着不可替代的作用。高光谱影像分类技术是当前遥感科学的主要研究方向之一,其目的在于确定遥感影像中的地物类别。较高的分类精度有助于人们更好地理解地物分布,因此寻求高分类精度的图像分类算法有着重要的意义。当前,分类算法众多,然而因为高光谱数据的特殊性,高光谱影像分类算法依然存在着较多问题。本文基于当前分类算法存在的问题,提出两种高光谱影像分类算法。主要研究工作描述如下:针对传统高光谱影像分类仅利用光谱信息的问题,本文提出一种空-谱信息提取方法,有效地采集到光谱空间联合信息。考虑到当前树形集成方法在数据科学竞赛中的突出表现,本文将轻量梯度提升机(Light Gradient Boosting Machine,LightGBM)算法用于高光谱影像分类中,进而结合该空-谱信息提取方法,提出一种新型高光谱影像分类算法(K-means Cluster LightGBM,KC-LGM)。实验表明,该算法可以极大提高分类精度。传统高光谱影像空-谱分类算法严重依赖领域内知识、只能获取“浅”层特征、需要人工合成特征;基于1...

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图1.1高光谱图像结构

哈尔滨工程大学硕士学位论文曲线差别较大，同一类型的地物光谱曲线差异很小。因此，可以依据光谱高光谱影像进行分类。高光谱遥感技术是遥感科学发展的一个主要趋势，和学术界的广泛关注。如今，高光谱遥感技术已经被广泛地应用于地质调、大气科学研究、海洋科学研究以及农业生产等诸多领域

图1.2印第安农田高光谱图像立方体

关波段来表征地物相关特性。率下，光谱覆盖的范围更广，可以于波段之间的相互校正。光谱、空间以及辐射信息。物类别的缺点：度，使得其数据量是单波段遥感的重影响分类准确性。像机理复杂，数据量极高，这给几的数据预处理过程带来极高的难度波段间极高的相关性使得要获得高，这恰恰与高光谱数据缺乏足....

图2.1高光谱分类流程图

将处理后的信息输入分类器，就会得到各地物类别的标签。整个流程如图2.1所示。图2.1高光谱分类流程图2.1.1监督分类方法监督分类算法利用有标签样本中的先验信息训练分类器，然后使用训练好的分类器对未知类别的数据进行分类。监督分类最显著的特点就是分类准确性较高。但是在实际....

图2.3PaviaUniversity数据集(a)假彩色合成图像(b)参考地物

(a)(b)AsphaltBricksGravelMeadowsBitumenMetalsheetsBaresoilTreesShado图2.3PaviaUniversity数据集(a)假彩色合成图像(b)参考地物表2.2PaviaUnive....

本文编号：3939162