《基于深度學(xué)習(xí)的高光譜圖像分類和異常檢測(cè)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、單位代碼：１００１０學(xué)號(hào)：＿托京化工太營專業(yè)學(xué)位碩士研究生學(xué)位論文專業(yè)研究生’８批氣指導(dǎo)教師兔件舶滅企業(yè)導(dǎo)師＿＾二〇－二曰曰期：八年玉月ｆ至北京化工大學(xué)學(xué)位論文原創(chuàng)性聲明Ｎ本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研宂工作所取得的成果。除文中己經(jīng)注明引用的內(nèi)容外，本論文不含任ｋ其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對(duì)本文的研宄做出重要貢獻(xiàn)的個(gè)人和集體，均己在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。丨５如、ｓ作者簽名．：￥閂期：ｍ．

2、＞關(guān)于論文使用授權(quán)的說明學(xué)位論文作者完全了解北京化工大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研宄生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬北京化工大學(xué)。學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)?。崳娂痛疟P，允許學(xué)位論文被查閱和借閱；學(xué)?？梢怨紝W(xué)位論文的全部或部分內(nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存、匯編學(xué)位論文。口論文暫不公開？（或保密）注釋．本學(xué)位論文屬于暫不公開（或保密）范圍，在年解密后適用本授權(quán)書。＿ｔｚｆ非暫不公開（或保密）論文注釋：本學(xué)位論文不屬于暫不公開（或保密）范圍，適用本授權(quán)書。作者簽名：

3、屯叔日期：＆心導(dǎo)師簽名：ｍｙ日期：夕學(xué)位論文數(shù)據(jù)集中圖分類號(hào)ＴＰ３９１．４１學(xué)科分類號(hào)５２０．６０４０論文編號(hào)１００１０２０１８０３０２密級(jí)＾學(xué)位授予單位代碼１００１０學(xué)位授予單位名稱北京化工大學(xué)２０５２０３０２作者姓名鄔國棟學(xué)號(hào)１１獲學(xué)位專業(yè)名稱計(jì)算機(jī)技術(shù)獲學(xué)位專業(yè)代碼０８５２１１課題來源研究方向模式識(shí)別＾論文題目基于深度學(xué)習(xí)的高光譜圖像分類和異常檢測(cè)研究關(guān)鍵詞深度學(xué)習(xí)，高光譜，分類，異常檢測(cè)＊論文答辯日期２０１８．５．２５論文類型應(yīng)用研究學(xué)位論文評(píng)閱及

4、答辯委員會(huì)情況姓名職稱工作單位學(xué)科專長(zhǎng)指導(dǎo)教師李偉教授北京化工大學(xué)模式識(shí)別中國科學(xué)院遙感與評(píng)閱人１高連如研究員遙感圖像處理數(shù)字地球研究所評(píng)閱人２袁洪芳副教授北京化工大學(xué)智能故障診斷評(píng)閱人３曹華工程師航天理想科技公司遙感大數(shù)據(jù)分析評(píng)閱人４評(píng)閱人５答辯委員會(huì)主席李宏光教授北京化工大學(xué)智能控制＿答辯委員１張鳳元研究員北京化工大學(xué)通信與信患系統(tǒng)答辯委員２袁洪芳副教授北京化工大學(xué)智能故障診斷答辯委員３張帆教授北京化工大學(xué)合成孔徑雷達(dá)技術(shù)答

5、辯委員４聶偉副教授北京化工大學(xué)通信信號(hào)處理答辯委員５一注：．論：礎(chǔ)研究應(yīng)用研究發(fā)研究４．其它文類型１．基２．３．開二分類號(hào)在分類法。．中圖《中國圖書資料》查詢?nèi)嗣窆埠蛧鴩覙?biāo)準(zhǔn)Ｂ－三．學(xué)科分類號(hào)在中華（Ｇ／Ｔ１３７４５９）《學(xué)科分類與代碼》中查詢。四．論文編號(hào)由單位代碼和年份及學(xué)號(hào)的后四位組成。ｍｍ基于深度學(xué)習(xí)的高光譜圖像分類和異常檢測(cè)研究摘要本文將近年來大數(shù)據(jù)分析的熱門工具深度學(xué)習(xí)應(yīng)用到高光譜圖像的分析中，利用深度學(xué)習(xí)網(wǎng)絡(luò)的深層特征取代了傳統(tǒng)的手工特征來分析高光譜數(shù)據(jù)。針對(duì)高光譜圖像在深度學(xué)習(xí)

6、應(yīng)用領(lǐng)域的樣本少，無，法構(gòu)建深度模型的問題分析了高光譜像素的相似性，提出了像素配一，對(duì)的模型，設(shè)計(jì)了個(gè)深度神經(jīng)網(wǎng)絡(luò)框架解決了深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中需要大量有標(biāo)記樣本的問題，論文的主要工作如下：第一，針對(duì)高光譜數(shù)據(jù)樣本少，無法搭建更深層次的網(wǎng)絡(luò)的問題，提出了使用像素對(duì)特征來進(jìn)行分類的深度神經(jīng)網(wǎng)絡(luò)。方法通過將像素進(jìn)行配對(duì)來增大訓(xùn)練數(shù)據(jù)集，提取像素對(duì)之間的特征，充分利用深度神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)驅(qū)動(dòng)的特性，測(cè)試的時(shí)候通過分類測(cè)試像素與其相鄰像。素的像素對(duì)來最終投票表決測(cè)試像素的類別與傳統(tǒng)方法相比，本模型的優(yōu)勢(shì)在于使用了基于數(shù)據(jù)的深度特征，對(duì)不同的

7、數(shù)據(jù)有不同的適。應(yīng)性，而不像傳統(tǒng)的固定的人工設(shè)計(jì)的特征第二，針對(duì)傳統(tǒng)高光譜數(shù)據(jù)異常檢測(cè)上沒有有效提取光譜特征的。問題，提出了使用像素對(duì)特征來進(jìn)行異常檢測(cè)的深度網(wǎng)絡(luò)首先利用一有標(biāo)簽的數(shù)據(jù)來構(gòu)建像素對(duì)，訓(xùn)練個(gè)深度網(wǎng)絡(luò)來判斷兩個(gè)像素是否一屬于同類，在獲取了測(cè)試像素與其鄰域像素的像素對(duì)的深度特征之后，將模型遷移到異常檢測(cè)的數(shù)據(jù)上，通過分析中心點(diǎn)與其鄰域的像素對(duì)特性，就可以知道該中心點(diǎn)是不是異常點(diǎn)。與傳統(tǒng)方法相比，本Ｉ北京化工大學(xué)碩士學(xué)位論文模型的優(yōu)勢(shì)在于除了統(tǒng)計(jì)信息的使用，還分析了光譜的特性，對(duì)于異常點(diǎn)的檢測(cè)更加的準(zhǔn)確。