![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/16/16/db5ffba7-0f31-46da-89d9-9bc2144f8eb2/db5ffba7-0f31-46da-89d9-9bc2144f8eb2pic.jpg)
![基于神經網絡的高光譜圖像分類研究.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/16/16/db5ffba7-0f31-46da-89d9-9bc2144f8eb2/db5ffba7-0f31-46da-89d9-9bc2144f8eb21.gif)
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、高光譜遙感作為一種新型遙感技術在軍用和民用的多個領域中發(fā)揮著重要的作用。高光譜數據具有波段數目眾多、各波段相關性強、運算量大的特點,這對相應的處理技術也就提出了很高的要求。
高光譜圖像分類的研究是高光譜遙感應用的主要內容之一。人工神經網絡模型是近年來發(fā)展起來的綜合數據分類方法之一。與傳統(tǒng)統(tǒng)計方法的分類器相比較,人工神經網絡法不需要預先假設樣本空間的參數化統(tǒng)計分布,正在被越來越普遍的應用于高光譜圖像圖像分類的研究。
2、 由于神經網絡具有以上的優(yōu)點,研究基于神經網絡的高光譜遙感圖像分類方法是十分有必要的。本論文的目的就是對自組織特征映射網絡、自適應共振網絡的結構、訓練算法進行研究,并結合其它的理論知識,尋找有效的高光譜遙感圖像分類方法。論文主要完成以下工作:
首先,分析高光譜圖像數據特性,介紹了神經網絡的一般模型,高光譜圖像的分類流程以及各處理階段的內容;并指出了用神經網絡進行高光譜圖像分類的優(yōu)點。
其次,針對于傳統(tǒng)的S
3、OM網絡對高光譜圖像分類精度低的缺點,結合自組織映射網絡的結構、聚類特點,提出了改進自組織映射網絡。采用模糊積分與神經網絡相結合的分類方法,即在改變網絡的學習速率函數和鄰域函數的前提下,同時對分類結果采用基于模糊積分的信息融合,使分類器之間相互補償,并用高光譜圖像的分類實驗進行驗證。
再次,本文將遞歸自組織映射網絡用于高光譜圖像分類。RSOM(Recursive SOM)算法是自組織映射網絡算法的一種快速實現(xiàn)。它采用樹形結
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卷積神經網絡的高光譜圖像分類研究.pdf
- 基于神經網絡的高光譜遙感圖像分類研究.pdf
- 基于新型神經網絡的高光譜遙感圖像分類方法研究.pdf
- 基于深度自適應神經網絡的高光譜圖像分類方法研究.pdf
- 基于卷積神經網絡的高光譜數據分類方法研究.pdf
- 基于神經網絡的高光譜圖像超分辨率算法研究.pdf
- 基于卷積神經網絡的圖像分類.pdf
- 基于遞歸網絡的高光譜圖像分類.pdf
- 基于神經網絡的圖像分類方法研究.pdf
- 基于改進卷積神經網絡的圖像分類研究.pdf
- 基于人工神經網絡的遙感圖像分類研究.pdf
- 基于卷積神經網絡的圖像分類技術研究.pdf
- 基于神經網絡的WEB圖像分類器的研究.pdf
- 基于深度信念網絡的高光譜遙感圖像分類研究.pdf
- 基于圖像融合的高光譜圖像分類.pdf
- 基于圖像融合的高光譜遙感圖像分類研究.pdf
- 基于卷積神經網絡的鞋印圖像分類算法研究.pdf
- 基于人工神經網絡模型的遙感圖像分類方法研究.pdf
- 基于BP神經網絡遙感圖像特征分類方法的研究.pdf
- 基于人工神經網絡的高維遙感數據分類研究.pdf
評論
0/150
提交評論