基于递归网络的高光谱图像分类

《基于递归网络的高光谱图像分类》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、基于递归网络的高光谱图像分类作者姓名梁彦杰学校导师姓名、职称张向荣教授领域电子与通信工程企业导师姓名、职称王晓华高工申请学位类别工程硕士提交学位论文日期2014年12月学校代码10701学号1202121331分类TN82号TP75密级公开西安电子科技大学硕士学位论文基于递归网络的高光谱图像分类作者姓名：梁彦杰领域：电子与通信工程学位类别：工程硕士学校指导教师姓名、职称：张向荣教授企业导师姓名、职称：王晓华高工提交日期：2014年12月HyperspectralImageClassificationBasedonRecursiveNetworkAthe

2、sissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByYanjieLiangSupervisor:XiangrongZhangXiaohuaWangDecember2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标

3、注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用

4、影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本学位论文属于保密，在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要在过去的二十年里，高光谱遥感技术有着突飞猛进的发展，已经成为一种前沿技术。高光谱遥感技术实现了对地球表面的目标检测与分类，并且在许多领域有广泛的应用，如环境管理、农业、社会安全和军事防御以及矿物探测。其中，高光谱图像分类是高光谱遥感技术的一个重要的应用，而特征学习又是改善分类性能的一个重要的方法。高光谱特征学习面临着获取类

5、标困难、波段维数高的这些问题，因此，解决这些问题是特征学习的一个热点。目前，深度学习作为特征学习的一种重要方法之一，已经被广泛应用于许多领域。其中，在高光谱领域中，深度学习还比较少地被应用。本文就是利用深度学习中一种递归的方法进行特征学习，该方法是一种无监督的方法，克服了获取类标难的困难。最后利用学习到的特征进行分类。本论文的主要工作如下：1）鉴于深度学习方法可以对数据进行本质的刻画，可以学习到较优异的特征，提出了一种基于深度学习模型的高光谱图像分类方法，该方法的深度模型是递归自编码网络，并且运用了空谱信息。首先，每个像素和其邻域构成NN的窗口，再根

6、据邻域像素与中心像素的相似性获得相似性权值，把窗口中权值化像素作为递归自编码网络的输入，通过该方法学习到新的特征，最后，利用支撑矢量机对学习到的新特征进行分类。2）针对两类物质的边界附近有些像素的物质类别与其邻域像素的类别是不同的，影响分类的性能。除此之外，递归自编码网络中训练参数较多，复杂度较高。因此，提出了基于非局部递归局部保留投影网络的高光谱图像分类方法，此方法的训练参数明显减少。首先，在每个邻域窗口中从NN个像素中选出与中心像素相似性最相似的K个邻域像素，其他的邻域像素舍弃，从而窗口中像素就变成K个。然后，利用递归局部保留投影网络进行特征学习

7、，对每个窗口的K个像素进行特征学习，学习到的特征作为窗口中心像素的新特征，最后，对这些学习到的新特征进行分类。3）针对高光谱图像维数高和波段间冗余性高的问题，提出了一种基于递归局部投影保留网络的波段选择方法，实现维数约减。首先，对所有波段进行K均值聚类，然后把波段分成P组，每组波段看成是最相关的一组，用递归局部投影保留网络对每组波段进行特征学习，然后找到每组波段中提取的特征最相关的波段，最后，从P组中选出P个具有代表性的波段，即完成波段选择。实验表明，基于递归局部投影保留网络的波段选择方法是可行的。本文的工作得到了国家自然科学基金(61272282)，

8、教育部新世纪优秀人才支持计划(NCET-13-0948)等项目的资助。I摘要关键词：高光谱图像