检索结果-南通市图书馆

检索条件"主题词=复数轮廓波卷积神经网络"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度轮廓波卷积神经网络的遥感图像地物分类

基于深度轮廓波卷积神经网络的遥感图像地物分类

引用

作者：马丽媛西安电子科技大学

学位级别：硕士

本文主要研究基于深度轮廓波卷积神经网络的遥感图像地物分类问题。深度卷积神经网络是一种可以直接处理图像块的前馈神经网络,能够引入像素空间相关性,减弱相干斑影响、提升分类精度。将深度卷积神经网络延拓至复数域进行运算,可充分... 详细信息

本文主要研究基于深度轮廓波卷积神经网络的遥感图像地物分类问题。深度卷积神经网络是一种可以直接处理图像块的前馈神经网络,能够引入像素空间相关性,减弱相干斑影响、提升分类精度。将深度卷积神经网络延拓至复数域进行运算,可充分利用遥感图像的相位信息,构造得复数卷积神经网络。轮廓波变换用不同尺度上的不同方向的子带来逼近图像,能更好的捕捉图像的内部几何结构,获得判别特征。以复数卷积神经网络为基础,引入轮廓波变换构造多尺度深度学习模型,可有效解决背景复杂的遥感图像分类问题。主要工作如下:1.提出了一种基于非下采样轮廓波卷积神经网络的遥感图像分类方法。该方法通过深度卷积神经网络实现图像分类,并用非下采样轮廓波滤波器替换深度卷积神经网络第一个卷积层中的滤波器,构造非下采样轮廓波卷积神经网络,得到具有多方向、多尺度、多分辨特性的特征。该模型在遥感图像上取得了很好的分类效果。样本数目较少时,优势明显。2.提出了一种基于Contourlet-CNN(轮廓波-卷积神经网络)的遥感图像分类方法。由非下采样轮廓波滤波器和Gabor滤波器构造得到多尺度深度轮廓波滤波器组,并替换深度卷积神经网络第一个卷积层中的滤波器得到多尺度深度学习模型,将其命名为Contourlet-CNN。该模型是一种双通道融合框架。相比于深度卷积神经网络,Contourlet-CNN能够获取更为鲁棒的判别特征,并可以更高效的调整模型参数。3.提出了一种基于复数轮廓波卷积神经网络的遥感图像分类方法。在复数域上重新定义深度卷积神经网络中卷积层、下采样层、归一化层和全连接层的运算规则,得到复数卷积神经网络。用多尺度深度轮廓波滤波器组替换复数卷积神经网络第一个复数卷积层中的滤波器,将构造得到的多尺度深度学习模型命名为复数轮廓波卷积神经网络。该模型可以提取具有多方向、多尺度、多分辨特性的幅度特征和相位特征,有效提高遥感图像的分类精度。

关键词：遥感图像图像分类轮廓波非下采样轮廓波变换多尺度深度轮廓波滤波器组复数轮廓波卷积神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：