基于卷积神经网络的遥感数据分类

基于卷积神经网络的遥感数据分类(论文14000字)
摘要：论文提出了一种基于深度残差卷积神经网络的高光谱遥感数据的分类方法。我们将深度残差卷积神经网络作为一种分类器，将待分类的像元及其领域像元一同作为神经网络的输入，通过残差网络的算法模型实现高光谱遥感数据的分类。卷积神经网络作为一种自适应的非线性系统，可以根据外界信息调整自身结构和权值，我们使用深度学习技术将数据特征提取出来再进行分类，以达到提高分类准确度和效率的目的。本文主要通过改善分类方法来增强遥感数据分类的效率和处理能力。
关键词：卷积神经网络；高光谱图像；图像分类；深度学习
 
Remote Sensing Data Classification Based on Convolutional Neural Network
Abstract:This paper proposes a hyperspectral remote sensing data classification method based on deep residual convolutional neural network. We use the deep residual convolutional neural network as a classifier to classify the pixels to be classified and their domain pixels into the input of the neural network. The algorithm model of the residual network is used to classify the hyperspectral remote sensing data. As an adaptive nonlinear system, convolutional neural network can adjust its structure and weight according to external information. We use deep learning technology to extract data features and then classify them to achieve the purpose of improving classification accuracy and efficiency. This paper mainly enhances the efficiency and processing ability of remote sensing data classification by improving the classification method.
Key words:Convolutional neural networks; Hyperspectral images; Image classification; Deep learning
 

目录
1    绪论    1
1.1    课题研究目的及意义    1
1.2    国内外研究现状    1
2    遥感数据分类方法    4
3    神经网络    5
3.1    神经网络概述    5
3.2    神经网络的分类    6
4    卷积神经网络    6
4.1    卷积神经网络概述    6
4.2    卷积神经网络的实现框架    10
4.3    卷积神经网络的训练    10
5    基于深度残差网络的高光谱遥感数据分类    12
5.1    深度残差卷积神经网络概述    12
5.2    深度残差卷积神经网络理论模型    14
5.3    残差块    15
5.4    残差结构    16
5.5    主成分分析    19
5.6    实验平台的搭建    19
6    实验结果与分析    20
6.1    实验数据简介    20
6.2    实验结果情况分析    21
7    总结    23
参考文献    25
致谢    26