基于深度學(xué)習(xí)的圖像分類及其在高光譜圖像中的應(yīng)用研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，圖像識(shí)別分類技術(shù)已經(jīng)廣泛用于各個(gè)領(lǐng)域。深度學(xué)習(xí)網(wǎng)絡(luò)的多層結(jié)構(gòu)使其能夠?qū)W習(xí)到圖像更深層次的特征，提高圖像識(shí)別和分類的準(zhǔn)確性。本文研究了目前國(guó)內(nèi)外公認(rèn)的深度置信網(wǎng)（DBN）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）兩種深度學(xué)習(xí)方法的理論知識(shí)及其應(yīng)用。
　　圖像特征的提取是圖像分類問(wèn)題的關(guān)鍵，首先，本論文分析了現(xiàn)有的特征提取算法以及存在的問(wèn)題，并與深度學(xué)習(xí)的方法做了對(duì)比分析，文章中詳細(xì)的敘述了深度學(xué)習(xí)的發(fā)展過(guò)程和取得的成果，深入研究

2、了人工神經(jīng)網(wǎng)絡(luò)(NN)、DBN和CNN三種網(wǎng)絡(luò)的構(gòu)建過(guò)程和訓(xùn)練方法，通過(guò)對(duì)比實(shí)驗(yàn)表明了深度學(xué)習(xí)的方法相對(duì)于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別問(wèn)題上的優(yōu)勢(shì)；其次，論文將DBN用于高光譜圖像識(shí)別分類實(shí)驗(yàn)中，對(duì)高光譜數(shù)據(jù)進(jìn)行了樣本擴(kuò)充、數(shù)據(jù)降維和重構(gòu)輸入三種數(shù)據(jù)預(yù)處理的操作，利用AE和PCA相結(jié)合的方法對(duì)數(shù)據(jù)進(jìn)行降維，結(jié)合鄰居樣本進(jìn)行數(shù)據(jù)重構(gòu)以挖掘數(shù)據(jù)的空間相關(guān)性。將DBN的分類方法與其他方法進(jìn)行對(duì)比實(shí)驗(yàn)分析，表明DBN能夠取得比支持向量機(jī)等傳統(tǒng)方案更好