收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于特征重要性的高光谱图像分类

张因国  陶于祥  罗小波  刘明皓  
【摘要】:为了减少高光谱图像中的冗余以及进一步挖掘潜在的分类信息,本文提出了一种基于特征重要性的卷积神经网络(convolutional neural networks,CNN)分类模型。首先,利用贝叶斯优化训练得到的随机森林模型(randomforest,RF)对高光谱遥感图像进行特征重要性评估;其次,依据评估结果选择合适数目的高光谱图像波段,以作为新的训练样本;最后,利用三维卷积神经网络对所得样本进行特征提取并分类。基于两个实测的高光谱遥感图像数据,实验结果均表明:相比原始光谱信息直接采用支持向量机(supportvectormachine,SVM)和卷积神经网络的分类效果,本文所提基于特征重要性的高光谱分类模型能够在降维的同时有效提高高光谱图像的分类精度。

知网文化
【相似文献】
中国期刊全文数据库 前14条
1 张悦;官云兰;;基于聚类的高光谱图像非监督波段选择方法[J];北京测绘;2018年01期
2 张悦;官云兰;;聚类与自适应波段选择结合的高光谱图像降维[J];遥感信息;2018年02期
3 宋晗;杨炜暾;耿修瑞;赵永超;;基于卷积神经网络与主动学习的高光谱图像分类[J];中国科学院大学学报;2020年02期
4 葛亮;王斌;张立明;;基于偏最小二乘法的高光谱图像波段选择[J];计算机辅助设计与图形学学报;2011年11期
5 严阳;华文深;刘恂;崔子浩;;基于高光谱基本准则的波段选择方法[J];光学技术;2018年05期
6 肖菊;谢晓春;;基于三维全卷积神经网络的高光谱图像分类[J];赣南师范大学学报;2020年06期
7 冯齐心;杨辽;王伟胜;陈桃;黄双燕;;基于时序光谱重构的卷积神经网络遥感农作物分类[J];中国科学院大学学报;2020年05期
8 王文正;赵保军;唐林波;冯帆;;基于光谱差异均衡区间筛选的高光谱目标检测[J];北京理工大学学报;2019年03期
9 周杨;厉小润;赵辽英;;改进的高光谱图像线性预测波段选择算法[J];光学学报;2013年08期
10 何元磊;刘代志;易世华;;一种新的高光谱图像波段选择方法[J];光电工程;2010年09期
11 陈媛媛;郑加柱;魏浩翰;张荣春;欧翔;;基于不同特征的随机森林极化SAR图像分类[J];计算机系统应用;2019年08期
12 何元磊;刘代志;易世华;黄世奇;;面向目标探测的高光谱图像层次聚类波段选择[J];仪器仪表学报;2011年04期
13 钱哲琦;赵辽英;李瑞敏;厉小润;;一种改进的高光谱图像最小噪声波段选择方法[J];杭州电子科技大学学报(自然科学版);2018年01期
14 郑庆翔;朱敏;;基于深度卷积神经网络的高光谱图像分类算法研究[J];白城师范学院学报;2020年02期
中国重要会议论文全文数据库 前7条
1 张悦;官云兰;;基于聚类的高光谱图像非监督波段选择方法[A];《江西遥感》2017年第2期(总第3期)[C];2017年
2 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年
3 刘德刚;邵国凡;;高维遥感数据分析的特征提取方法[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
4 徐萍;武其松;罗昕炜;陶俊;;基于畸变拖曳阵的高保真特征提取方法[A];中国声学学会水声学分会2019年学术会议论文集[C];2019年
5 胡以华;蔡晓春;;典型目标遥感图像的类特征提取及分类研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
6 武倩聿;张馨月;张旭东;;基于约束能量最小化的高光谱图像目标检测算法研究[A];第十二届全国信号和智能信息处理与应用学术会议论文集[C];2018年
7 郑毓轩;李云松;师艳子;曲家慧;谢卫莹;;基于FPGA的高光谱异常目标检测RXD算法加速方案[A];2018软件定义卫星高峰论坛会议摘要集[C];2018年
中国博士学位论文全文数据库 前20条
1 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年
2 李理;基于马氏距离测度核学习的高光谱图像分类方法研究[D];哈尔滨工业大学;2018年
3 高巍;基于多核学习的高光谱图像分类方法研究[D];哈尔滨工业大学;2019年
4 滕艺丹;高光谱图像信息恢复方法研究[D];哈尔滨工业大学;2018年
5 丁晨;基于自适应卷积神经网络的高光谱图像分类方法研究[D];西北工业大学;2018年
6 王丽;基于压缩感知的高光谱图像采样和重构技术研究[D];西北工业大学;2018年
7 潘磊;基于稀疏低秩表示的高光谱图像特征提取与分类[D];西南交通大学;2019年
8 薄纯娟;基于空谱联合模型的高光谱图像分类方法研究[D];大连理工大学;2019年
9 付巍;基于稀疏表征的高光谱图像空谱压缩与分类方法研究[D];湖南大学;2019年
10 韦晓辉;面向高光谱图像分类的特征提取与选择方法研究[D];湖南大学;2019年
11 李娇娇;高光谱遥感图像高效分类与解混方法研究[D];西安电子科技大学;2016年
12 刘务;基于空谱特征挖掘的高光谱图像分类方法研究[D];哈尔滨工程大学;2018年
13 李威;基于机器学习的森林多源遥感数据分析方法研究[D];哈尔滨工程大学;2018年
14 李畅;高光谱遥感影像处理中的若干关键技术研究[D];华中科技大学;2018年
15 任越美;高光谱图像特征提取与分类方法研究[D];西北工业大学;2017年
16 王庆岩;面向植被遥感监测的高光谱图像分类技术研究[D];哈尔滨工业大学;2018年
17 吴钊君;基于权重核范数的高光谱图像去噪与解混方法研究[D];哈尔滨工业大学;2018年
18 张星;组合空间和光谱特性的高光谱图像异常检测与目标识别方法研究[D];国防科学技术大学;2016年
19 冯志玺;空谱稀疏结构学习下的高光谱数据降维与分类技术研究[D];西安电子科技大学;2018年
20 李晶;基于非线性混合模型的高光谱图像解混技术研究[D];浙江大学;2018年
中国硕士学位论文全文数据库 前20条
1 周杨;高光谱图像中的异常成分检测[D];南京航空航天大学;2017年
2 李玉芳;进化多目标高光谱图像波段选择与分类[D];西安电子科技大学;2014年
3 余意;高光谱图像数据分布式分类处理方法研究[D];哈尔滨工业大学;2017年
4 仲鸿儒;不同机器学习算法的高光谱图像地物分类比较研究[D];中国地质大学(北京);2020年
5 蔡榕竹;基于稀疏和低秩表示的高光谱图像维数约减[D];西安电子科技大学;2017年
6 孙晨昕;基于三维卷积胶囊网络的高光谱图像分类方法研究[D];哈尔滨工业大学;2020年
7 梁甜;基于局部空间信息的高光谱波段选择研究[D];西安电子科技大学;2017年
8 修瑞璇;基于深度学习的高光谱图像分类方法研究[D];辽宁师范大学;2020年
9 龚文娟;高光谱遥感图像波段选择方法研究[D];长安大学;2017年
10 谈晓晔;基于高光谱图像的特征提取/选择及其应用的研究[D];哈尔滨工业大学;2006年
11 李瑞敏;基于最优子集准则的高光谱图像波段选择算法研究[D];杭州电子科技大学;2017年
12 王莹;基于深度学习的高光谱图像分类的研究[D];燕山大学;2019年
13 王丽;基于深度学习的高光谱图像分类方法研究[D];兰州理工大学;2020年
14 罗建华;深度学习在高光谱图像的降维及分类中的应用[D];电子科技大学;2017年
15 李星华;基于图像特征分布的高光谱波段选择研究[D];西安电子科技大学;2017年
16 赵猛;基于谱空联合的高光谱图像分类方法研究[D];大连海事大学;2019年
17 王凡;基于深度学习的高光谱图像分类算法的研究[D];中国科学技术大学;2017年
18 余立付;基于深度自编码网络的高光谱图像空谱联合分类[D];西安电子科技大学;2017年
19 韩梦芯;基于深度学习的高光谱图像分类[D];天津大学;2018年
20 镡永强;基于多目标优化的高光谱图像无监督波段选择[D];西安电子科技大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978