Print

基于卷积神经网络的高光谱图像分类研究

论文摘要

为了解决传统图像分类方法对高光谱图像分类时表现出光谱信息利用不足的问题,提出一种基于卷积神经网络的高光谱图像分类算法。该算法通过设计输入层、卷积层、池化层、全连层、输出层,逐像素分析实验数据光谱信息,利用设计的神经网络展开代价函数值的递进计算,实现对光谱特征的提取分类。试验中采用的是University of Pavia高光谱遥感影像数据,利用监督分类、非监督分类以及本文的卷积神经网络分类方法进行了实验之后又利用kappa系数对传统的经典分类方法和本文提出的卷积神经网络算法进行精度和效率评价对比以及分析。实验结果表明,与传统分类方法进行比较,该方法有较高的分类精度。

论文目录

  • 1 卷积神将网络高光谱影像分类
  •   1.1 均值标准差标准化
  •   1.2 虚拟样本
  •   1.3 卷积神经网络
  •     1.3.1 基于CNN模型的分类策略
  •     1.3.2 构建CNN分类器
  •     1.3.3 正向传播
  • 2 实验过程
  •   2.1 高光谱遥感数据
  •   2.2 实验结果与比较
  • 3 结论

    • 文章来源

    类型: 期刊论文

    作者: 刘金廷,张彧

    关键词: 高光谱遥感,分类,卷积神经网络

    来源: 青海交通科技 2019年04期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 工业通用技术及设备,自动化技术

    单位: 兰州交通大学交通运输学院

    分类号: TP751;TP183

    页码: 33-39

    总页数: 7

    文件大小: 1826K

    下载量: 316

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/b373f5c224b83f4e33070d91.html