【摘要】：基于高光譜影像的目標(biāo)檢測(cè)與分類(lèi)識(shí)別占據(jù)著遙感研究領(lǐng)域的重要地位,因多維特征的引入,其檢測(cè)效率與識(shí)別精度較低�？紤]以上兩個(gè)缺點(diǎn),在對(duì)高光譜影像數(shù)據(jù)充分理解的前提下,本文對(duì)高光譜影像中水面小目標(biāo)的檢測(cè)與識(shí)別問(wèn)題進(jìn)行了研究,囊括了三個(gè)關(guān)鍵技術(shù),具體如下:首先,通過(guò)研究高光譜水體指數(shù)特征與小目標(biāo)的形態(tài)特征,提出了二者結(jié)合的基于背景先驗(yàn)的水面小目標(biāo)區(qū)域檢測(cè)方案。水體指數(shù)特征用于精確提取水面背景區(qū)域,小目標(biāo)形態(tài)特征用于凸顯水面小目標(biāo)區(qū)域。其次,結(jié)合光譜包絡(luò)線(xiàn),提出了背景先驗(yàn)與目標(biāo)先驗(yàn)結(jié)合的檢測(cè)方法,以背景先驗(yàn)檢測(cè)結(jié)果為基礎(chǔ),通過(guò)提取目標(biāo)先驗(yàn)光譜的包絡(luò)點(diǎn)及其對(duì)應(yīng)谷值,計(jì)算基于包絡(luò)線(xiàn)的光譜斜率和差值特征,分別表征光譜的變化趨勢(shì)和差值特點(diǎn),并將二者結(jié)合用于目標(biāo)像元的相似性對(duì)比。最后,將光譜特征與循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)合,設(shè)計(jì)了一種基于深度學(xué)習(xí)的光譜分類(lèi)識(shí)別方案。通過(guò)光譜重排提升光譜的區(qū)分度;采用主成分分析算法對(duì)重排后光譜數(shù)據(jù)降維,提升處理效率并減弱噪聲的影響;結(jié)合循環(huán)神經(jīng)網(wǎng)絡(luò)處理序列數(shù)據(jù)的優(yōu)勢(shì),最終實(shí)現(xiàn)對(duì)目標(biāo)像元高精度的識(shí)別。通過(guò)與多種方法對(duì)比實(shí)驗(yàn),本文的檢測(cè)與識(shí)別方法能完整、高效、精確地檢出水面小目標(biāo),對(duì)復(fù)雜背景有較強(qiáng)的抗干擾能力。
【圖文】：

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文數(shù)據(jù)；（2）光譜范圍窄：高光譜影像的波段范圍一般小于 10nm；（3）波段連續(xù)：高光譜傳感器在某個(gè)波段范圍內(nèi)，可以提供幾乎連續(xù)的地物光譜；（4）數(shù)據(jù)量大：隨著波段數(shù)的增加，高光譜影像的數(shù)據(jù)量呈指數(shù)增加；圖 1-1 表示高光譜影像數(shù)據(jù)，，描述了高光譜傳感器成像結(jié)果與視覺(jué)觀察結(jié)果的差別以及高光譜影像不同地物的的多波段特性。

在 LSTM 結(jié)構(gòu)基礎(chǔ)上，Cho,etal.2014 提出了門(mén)控循環(huán)單元（GatedRecurrentUnit，簡(jiǎn)稱(chēng) GRU）神經(jīng)網(wǎng)絡(luò)，該結(jié)構(gòu)單元將 LSTM 中的忘記門(mén)和輸入門(mén)合成了單一的更新門(mén)，同時(shí)混合了細(xì)胞狀態(tài)和隱藏狀態(tài)，比 LSTM 結(jié)構(gòu)更加簡(jiǎn)單，屬于LSTM 的變體結(jié)構(gòu)[49]。這種簡(jiǎn)單的結(jié)構(gòu)設(shè)計(jì)為不同狀態(tài)之間提供了一條捷徑，減緩了梯度消失帶來(lái)的難訓(xùn)練問(wèn)題。樣本量較小時(shí)，GRU 比 LSTM 更容易收斂，并且分類(lèi)性能的體現(xiàn)上，二者不分伯仲甚至 GRU 結(jié)構(gòu)單元效果略?xún)?yōu)；樣本量較大時(shí)，LSTM 的表達(dá)性能更好[50]。本章采用的光譜數(shù)據(jù)為序列數(shù)據(jù)，波段間存在較強(qiáng)的相互關(guān)系，分類(lèi)數(shù)據(jù)量不大，所以選用能解決長(zhǎng)時(shí)依賴(lài)問(wèn)題的基于門(mén)控循環(huán)單元的循環(huán)神經(jīng)網(wǎng)絡(luò)如圖 4-3(a)表示 RNN 單個(gè)神經(jīng)網(wǎng)絡(luò)的示意圖，該神經(jīng)網(wǎng)絡(luò)包含指向自身的環(huán)狀結(jié)構(gòu)，用于將當(dāng)前時(shí)刻的處理信息傳遞給下一個(gè)時(shí)刻使用，圖 4-3 表示 GRU結(jié)構(gòu)單元。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊仁欣;楊燕;原晶晶;;基于高光譜圖像的分類(lèi)方法研究[J];廣西師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年03期

2 吳一全;周楊;龍?jiān)屏?;基于自適應(yīng)參數(shù)支持向量機(jī)的高光譜遙感圖像小目標(biāo)檢測(cè)[J];光學(xué)學(xué)報(bào);2015年09期

3 羅崇亮;;基于水體指數(shù)的艾比湖湖水面積提取對(duì)比研究[J];科技創(chuàng)新導(dǎo)報(bào);2015年24期

4 張帆;杜博;張良培;張樂(lè)飛;;一種結(jié)合波段分組特征和形態(tài)學(xué)特征的高光譜圖像分類(lèi)方法[J];計(jì)算機(jī)科學(xué);2014年12期

5 朱寶山;張紹華;徐大龍;孟偉燦;;綜合水體指數(shù)及其應(yīng)用[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2013年01期

6 趙春暉;張q

本文編號(hào)：2635075