基于深度学习的极光影像分类方法研究

发布时间：2023-02-05 16:36

　　当太阳风充分扰动地球磁层时,来自地球磁层和太阳风中的高能带电粒子与上层大气层中的原子以及分子发生相互碰撞,释放出各种可见光,这些可见光就构成了绚丽多彩的极光。不同的极光形态对应着不同的空间物理现象,因此极光影像分类有着重要的研究意义。深度学习技术近年来得到迅速发展,并成功应用于计算机视觉和模式识别等领域。基于此,本论文开展了基于深度学习的极光影像分类方法研究。为了实现极光图像分类,本文提出了基于多尺度卷积核卷积神经网络的极光图像分类方法。首先,在专家眼动数据的引导下进行图像块的提取和优选。然后,利用自编码器从提取到的图像块中学习特征,并用学到的特征对卷积神经网络首个卷积层的卷积核进行初始化。最后,设计了多尺度卷积核卷积神经网络,通过改变首个卷积层上卷积核的大小,在不同尺度进行特征学习,并实现对极光图像的分类。实验结果表明,该方法能够有效地从极光图像中学习特征,并且在极光图像分类数据库上获得了较高的分类准确率。虽然专家眼动注视图能够辅助我们进行极光数据分析,但是眼动数据的获取较为耗时耗力,因此需要根据现有眼动数据学习专家在观察极光图像时的认知过程,对极光专家眼动注视图进行预测。为此,本文... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究进展及现状
    1.3 论文研究内容与安排
第二章 基于多尺度卷积核卷积神经网络的极光图像分类
    2.1 引言
    2.2 理论基础
        2.2.1 卷积神经网络
        2.2.2 自编码器
        2.2.3 人类视觉注意力机制和眼动追踪技术
    2.3 基于多尺度卷积核卷积神经网络的极光图像分类
        2.3.1 眼动信息引导的图像块提取
        2.3.2 基于图像块特征的卷积神经网络初始化
        2.3.3 多尺度卷积核卷积神经网络
    2.4 实验结果与分析
    2.5 本章小结
第三章 基于全卷积神经网络的极光专家眼动注视图预测
    3.1 引言
    3.2 理论基础
        3.2.1 全卷积神经网络
        3.2.2 条件随机场
    3.3 基于全卷积神经网络的极光专家眼动注视图预测
        3.3.1 卷积神经网络构建
        3.3.2 基于量化输入的非监督预训练
        3.3.3 基于分级二值注视图的全卷积网络训练
        3.3.4 基于条件随机场的预测结果融合
    3.4 实验结果与分析
    3.5 本章小结
第四章 基于空时域深度神经网络的极光序列分类
    4.1 引言
    4.2 理论基础
        4.2.1 长短时记忆网络
        4.2.2 图像显著区域检测
    4.3 基于空时域深度神经网络的极光序列分类
        4.3.2 空域分类网络
        4.3.3 时域分类网络
        4.3.4 网络融合
    4.4 实验结果与分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
作者简介



本文编号：3735312