高光谱遥感图像空谱联合分类方法研究.pdf

《高光谱遥感图像空谱联合分类方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３７卷第６期仪器仪表学报Ｖｏｌ３７Ｎｏ６２０１６年６月ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔＪｕｎ．２０１６高光谱遥感图像空谱联合分类方法研究１１２１李铁，孙劲光，张新君，王星（１．辽宁工程技术大学电子与信息工程学院葫芦岛１２５１０５；２．大连理工大学计算机科学与技术学院大连１１６０２４）摘要：在遥感影像研究领域里，高光谱数据分类是一个热点问题。近年来，在这个问题上涌现出很多研究方法，然而，大多数方法都是用浅层的方法提取原始数据的特征。将深度学习的方法引入高光谱图

2、像分类中，提出一种新的基于深信度网络（ＤＢＮ）的特征提取方法和图像分类架构用于高光谱数据分析。将谱域空域特征提取和分类器相结合提高分类精度。使用高光谱数据进行实验，结果表明该分类器优于当前的一些先进的分类方法。此外，本文还揭示了深度学习系统在高光谱图像分类研究中具有的巨大潜力。关键词：深信度网络；深度学习；特征提取；高光谱图像分类中图分类号：ＴＰ７５１ＴＨ７６１．７文献标识码：Ａ国家标准学科分类代码：５１０．４０５０Ｓｐｅｃｔｒａｌｓｐａｔｉａｌｊｏｉｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｏｆｈ

3、ｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ１１２１ＬｉＴｉｅ，ＳｕｎＪｉｎｇｕａｎｇ，ＺｈａｎｇＸｉｎｊｕｎ，ＷａｎｇＸｉｎｇ（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＬｉａｏｎｉｎｇＴｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｈｕｌｕｄａｏ１２５１０５，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｄａｌｉａｎ１１６０２４，Ｃｈｉｎａ）Ａ

4、ｂｓｔｒａｃｔ：Ｉｎｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｒｅｓｅａｒｃｈａｒｅａ，ｈｙｐｅｒｓｐｅｃｔｒａｌｄａｔａｃｌａｓｓｉｆｉｃａｔｉｏｎｉｓａｈｏｔｔｏｐｉｃ．Ｉｎｒｅｃｅｎｔｙｅａｒｓ，ｍａｎｙｓｔｕｄｙｍｅｔｈｏｄｓｆｏｒｔｈｉｓｉｓｓｕｅｅｍｅｒｇｅ；ｈｏｗｅｖｅｒ，ｔｈｅｍａｊｏｒｉｔｙｏｆｔｈｅｍｅｔｈｏｄｓａｄｏｐｔｔｈｅｓｈａｌｌｏｗｌａｙｅｒｍｅｔｈｏｄｔｏｅｘｔｒａｃｔｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｏｒｉｇｉｎａｌｄａｔａ．Ｉｎｔｈｉｓｐａｐｅｒ，ｔｈｅｄｅｅｐｓｔｕｄ

5、ｙｍｅｔｈｏｄｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｅｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎ；ａｎｅｗｃｈａｒａｃｔｅｒｉｓｔｉｃｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄａｎｄｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎｃｏｎｓｔｒｕｃｔｉｏｎｂａｓｅｄｏｎｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋ（ＤＢＮ）ｉｓｐｒｏｐｏｓｅｄ，ａｎｄｕｓｅｄｉｎｈｙｐｅｒｓｐｅｃｔｒａｌｄａｔａａｎａｌｙｓｉｓ．Ｔｈｅｓｐｅｃｔｒａｌｓｐａｔｉａｌｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｎｄｃｌａｓｓｉｆｉｅｒａｒｅｃｏｍ

6、ｂｉｎｅｄｔｏｇｅｔｈｅｒｔｏａｃｈｉｅｖｅｈｉｇｈｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ．Ｅｘｐｅｒｉｍｅｎｔｗａｓｃａｒｒｉｅｄｏｕｔｕｓｉｎｇｔｈｅｈｙｐｅｒｓｐｅｃｔｒａｌｄａｔａ；ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｃｌａｓｓｉｆｉｅｒｉｓｓｕｐｅｒｉｏｒｔｏｓｏｍｅｃｕｒｒｅｎｔａｄｖａｎｃｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｉｓｐａｐｅｒａｌｓｏｒｅｖｅａｌｓｔｈａｔｔｈｅｄｅｅｐｌｅａｒｎｉｎｇｓｙｓｔ

7、ｅｍｈａｓｇｒｅａｔｐｏｔｅｎｔｉａｌｉｎｔｈｅｓｔｕｄｙｏｆｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋ（ＤＢＮ）；ｄｅｅｐｌｅａｒｎｉｎｇ；ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ（ＦＥ）；ｈｙｐｅｒｓｐｅｃｔｒａｌｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎ在高光谱数据分类的初期，引入了大量的机器学习１引言方法来解决分类问题，典型的算法包括Ｋ近邻、最大似［９１０］然、最小距离和逻辑回归（ｌｏｇｉｓｔｉｃｒｅｇｒｅｓｓｉｏｎ，ＬＲ）。［１

8、５］高光谱数据能同时提供空域和谱域信息，因此，针对高光谱数据量大，特征维数高的特点，提出了许多降高光谱数据具有广泛的应用。例如农业、矿物学、监测、低特征维数的方法。这些方法主要有两种，一种是特征［６８］天文学和环境科学。对高光谱影像中每个像素进行选择，一种是特征提取。特征选择是找到原始波段的一分类是应用中需要解决的问题。由于分类的重要性，在个合适的子集，而特征提取是在变换后的特征空间中寻［１１］最近的二十年中人们已经研究出