基于三维卷积神经网络和注意力机制的高光谱图像分类方法研究

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 基于传统机器学习的高光谱图像分类

1.2.2 基于深度学习的高光谱图像分类

1.3 论文主要内容和章节安排

第二章 相关理论研究

2.1 引言

2.2 深度卷积神经网络

2.3 注意力机制

2.4 基于卷积神经网络的高光谱图像分类

2.4.1 基于卷积神经网络的高光谱图像分类的一般流程

2.4.2 基于卷积神经网络的高光谱图像分类面临的挑战

2.4.3 高光谱图像分类的评价指标

2.5 本章小结

第三章 基于多尺度密集连接三维卷积神经网络的高光谱图像分类方法

3.1 引言

3.2 残差学习单元及密集连接块

3.3 多尺度密集连接三维卷积神经网络

3.3.1 数据预处理

3.3.2 三维密集连接块

3.3.3 网络框架

3.3.4 算法流程

3.4 实验结果及分析

3.4.1 实验数据集介绍

3.4.2 实验相关参数设置

3.4.3 实验结果及分析

3.5 本章小结

第四章 基于注意力机制的Octave 三维卷积神经网络的高光谱图像分类方法

4.1 引言

4.2 基于联合注意力机制的Octave三维卷积神经网络

4.2.1 数据预处理

4.2.2 Octave 三维卷积模块

4.2.3 通道和空间注意力机制模块

4.2.4 网络框架

4.2.5 算法流程

4.3 实验结果及分析

4.3.1 实验数据集介绍

4.3.2 实验相关参数设置

4.3.3 性能对比实验及结果分析

4.3.4 超参数实验及结果分析

4.4 本章小结

总结

参考文献

攻读学位期间取得的学术成果

攻读学位期间参与的科研项目

致谢