基于数据增强的卷积神经网络高光谱遥感图像分类技术研究

目录

声明

摘要

符号与缩略词说明

第一章绪论

1．1课题研究背景及意义

1．2高光谱遥感图像分类的研究现状及分析

1．2．1基于传统机器学习算法的高光谱遥感图像分类

1．2．2基于深度学习的高光谱遥感图像分类

1．2．3研究难点分析

1．3论文主要研究内容与创新之处

1．3．1论文的主要研究内容

1．3．2论文的创新之处

1．4论文的组织结构

第二章卷积神经网络相关理论

2．1深度学习的发展

2．2卷积神经网络的基本计算层

2．2．1卷积层与池化层

2．2．2非线性单元层

2．2．3全连接层

2．2．4输出层的激活函数与交叉熵

2．4本章小结

第三章基于像素块配对的高光谱图像卷积神经网络分类

3．1引言

3．2算法设计与实现

3．2．1基于数据数量增强的卷积神经网络分类模型

3．2．2传统样本扩充方法

3．2．3基于像素块配对的样本扩充方法

3．3实验结果与分析

3．3．1实验数据与评价指标

3．3．2 PBP-CNN分类效果评估

3．4本章小结

第四章基于卷积神经网络的高光谱与LiDAR图像协同分类

4．1引言

4．2算法设计与实现

4．2．1算法总体介绍

4．2．2主成分分析进行数据融合

4．2．3双支路卷积神经网络分类模型

4．3实验结果与分析

4．3．1实验数据集介绍

4．3．2 CCHL-CNN分类效果评估

4．4本章小结

第五章总结与展望

5．1总结

5．2展望

参考文献

致谢

研究成果及发表的学术论文

作者和导师简介