基于卷积神经网络的高光谱图像半监督分类方法研究

目录

声明

第一章 绪论

1.1 选题背景和研究意义

1.2 高光谱遥感图像介绍

1.3 国内外研究现状

1.4 本文主要内容和创新点

1.5 论文结构和内容安排

第二章 相关研究

2.1 稀疏子空间聚类

2.2 卷积神经网络

2.3 马尔科夫随机场

2.4 本章小结

第三章 基于度量学习的高光谱图像半监督分类算法

3.1 高光谱图像分类目前存在的问题

3.2 度量学习正则化项

3.2.1 度量学习

3.2.2 判别式损失函数

3.3 基于度量学习的半监督深度学习框架

3.3.1 网络模型的构造

3.3.2 半监督学习框架

3.4 实验结果与分析

3.4.1 Indian Pines数据集的实验分析

3.4.2 Pavia University数据集的实验分析

3.4.3 参数分析

3.5 本章小结

第四章 基于焦点损失的高光谱图像半监督分类算法

4.1 高光谱图像分类存在的问题

4.2 基于焦点损失的半监督深度学习框架

4.2.1 数据不平衡问题

4.2.2 焦点损失函数

4.2.3 半监督学习框架

4.3 实验与分析

4.3.1 Indian Pines数据集的实验分析

4.3.2 Salinas数据集的实验分析

4.3.3 超参数γ的选取

4.3.4 与经典基于深度学习的高光谱图像分类方法的对比

4.4 本章小结

结论

（1）工作总结

（2）展望

参考文献

攻读硕士学位期间发表的学术论文

致谢