高光譜圖像分類是遙感圖像處理領域的一個重要分支。傳統(tǒng)的分類方法無法充分利用高光譜圖像的空譜特征,導致分類精度較低�；谏疃葘W習的高光譜圖像分類方法能挖掘數(shù)據(jù)的隱藏信息,提取出更有利于圖像分類的特征。利用有限的數(shù)據(jù)樣本提取更豐富的特征,以及整合這些特征來提高分類精度,是高光譜圖像分類領域的熱門研究方向。本文結合高光譜圖像的光譜特征和空間特征,提出了兩種基于生成對抗網(wǎng)絡的高光譜圖像分類方法。主要創(chuàng)新工作如下:(1)針對高光譜圖像分類領域中特征利用不足的問題,提出了一種基于生成對抗網(wǎng)絡的高光譜圖像分類方法。根據(jù)高光譜圖像空間域和光譜域的相關性,利用卷積生成對抗網(wǎng)絡挖掘其深層特征,生成可分性更高的高光譜圖像,提升了分類精度。(2)針對高光譜圖像分類領域中空間信息利用不足的問題,提出了一種基于生成對抗網(wǎng)絡的像素鄰域的特征提取方法。先取像素點的鄰域圖像來訓練生成對抗網(wǎng)絡,將訓練好的判別網(wǎng)絡作為鄰域圖像的特征提取器,使用判別網(wǎng)絡中的不同網(wǎng)絡層提取特征,然后利用提取的鄰域特征對圖像進行分類。同時,將提取的鄰域特征結合像素的光譜特征來提升分類精度。
【學位單位】：浙江工業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP751
【部分圖文】：

2 章 高光譜圖像的特點及常用分類方圖像的特點通常只有 RGB 或者 YUV 三個通道，圖像中含有的信息非常有漸成熟，目前高光譜成像技術能獲得上千個光譜波段，光譜分時也受到更多領域的重視。相比普通圖像，高光譜圖像擁有更一個數(shù)據(jù)立方體，不僅擁有和普通圖像一樣的空間信息，還擁的高光譜圖像結構如圖 2-1 所示，x 和 y 表示空間維，z 代表光示兩種不同地物(Woods、Alfalfa)對應的光譜曲線。

圖 2-2 同步處理策略步處理策略也被稱為特征融合策略，是指將提取的空間特征和光譜特征通過在一起，再輸入到分類器直接得到分類結果，步驟如圖 2-2 所示。常見的處空間特征和光譜特征轉換到不同的核空間，再通過核復合的方式來融合兩種空間特征和光譜特征進行展平或拉伸處理后再送入分類器。同步策略能充分空間信息和光譜信息，但是特征融合增大了運算量。

浙江工業(yè)大學碩士學位論文余弦值來衡量像素點的相似度，然后進行分類。最小距離匹配法是一種監(jiān)督學距離未知樣本最近的已知樣本的類別標簽賦給該樣本，常用的距離衡量標準有歐式距離等。 基于空譜結合的高光譜圖像分類方法隨著對高光譜圖像的深入研究，學者們發(fā)現(xiàn)空間域和光譜域信息的結合能有效分類精度。傳統(tǒng)的高光譜圖像分類方法通常是根據(jù)單個像素點的光譜信息進行了空間信息，其分類結果容易出現(xiàn)椒鹽現(xiàn)象，引入空間信息能有效緩解這種現(xiàn)合的分類方法根據(jù)空譜信息結合方式的不同，可分為同步處理和后處理兩種策

【相似文獻】

相關期刊論文 前10條

1 王斌;;基于高光譜圖像技術的水果表面農(nóng)藥殘留檢測觀察[J];種子科技;2017年04期

2 陳綾鋼;呂靖芳;;高光譜圖像技術在農(nóng)產(chǎn)品監(jiān)測中的應用進展[J];北京農(nóng)業(yè);2016年01期

3 朱貞映;袁建;何榮;;糧油中高光譜圖像技術的應用現(xiàn)狀[J];糧食與飼料工業(yè);2016年09期

4 徐爽;何建國;馬瑜;梁慧琳;劉貴珊;賀曉光;;高光譜圖像技術在水果品質檢測中的研究進展[J];食品研究與開發(fā);2013年10期

5 葉珍;白t

本文編號：2815754