声明
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 高分辨率遥感图像分类面临的挑战
1.2.2 研究现状与存在问题
1.2.3 深度学习简介
1.3 论文研究内容与章节安排
1.3.1 研究内容
1.3.2 章节安排
第2章 基于深度特征融合的高分辨率遥感图像场景分类
2.1 深度特征简介
2.2 协方差池化原理与特性
2.2.1 协方差矩阵相似性度量
2.3 基于深度特征融合的分类方法
2.3.1 多层深度特征提取
2.3.2 基于协方差池化的深度特征融合
2.4 实验结果与分析
2.4.1 实验数据
2.4.2 实验设置
2.4.3 参数分析
2.4.4 实验结果
2.4.5 时间复杂度分析
2.5 本章小结与讨论
第3章 基于跳跃连接协方差网络的高分辨率遥感图像场景分类
3.1 基于跳跃连接协方差网络的分类方法
3.1.1 基于跳跃连接的多层联合
3.1.2 协方差池化的前向传播过程
3.1.3 协方差池化的反向传播过程
3.2 实验结果与分析
3.2.1 实验数据
3.2.2 实验设置
3.2.3 实验结果
3.2.4 时间复杂度分析
3.3 本章小结与讨论
第4章 基于注意力网络的高分辨率遥感图像像素级分类
4.1 注意力机制
4.2 基于注意力网络的分类方法
4.2.1 FOCA模块
4.2.2 SOCA模块
4.2.3 HFSA全连接的反向传播过程
4.3 实验结果与分析
4.3.1 实验数据
4.3.2 实验设置
4.3.3 实验结果
4.3.4 时间复杂度分析
4.4 本章小节与讨论
第5章 基于协方差矩阵表示与深度流形学习的高分辨率遥感图像像素级分类
5.1 协方差矩阵表示原理与特性
5.2 基于协方差矩阵表示与深度流形学习的分类方法
5.2.1 高光谱图像协方差矩阵表示
5.2.2 流形学习
5.3 实验结果与分析
5.3.1 实验数据
5.3.2 实验设置
5.3.3 参数分析
5.3.4 实验结果
5.3.5 时间复杂度分析
5.4 本章小结与讨论
第6章 高分辨率遥感图像分类应用实例
6.1 长沙市场景分类与场景变化检测
6.1.1 实验数据
6.1.2 实验设计与分析
6.2 长沙市建筑物分布制图
6.2.1 实验数据
6.2.2 实验设计与分析
6.3 长沙市地物精细分类
6.3.1 实验数据
6.3.2 实验设计与分析
第7章 结论与展望
7.1 本文主要工作
7.2 下一步研究方向
参考文献
致谢
附录A:攻读学位期间所发表的学术论文及申请的专利
附录B:攻读学位期间参与的科研项目及获得的奖励
湖南大学;