基於深度學習的精細化高光譜特徵表達與匹配方法

《基於深度學習的精細化高光譜特徵表達與匹配方法》是依託武漢大學，由焦洪贊擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於深度學習的精細化高光譜特徵表達與匹配方法
• 項目類別：青年科學基金項目
• 項目負責人：焦洪贊
• 依託單位：武漢大學

項目摘要

充分地利用地物光譜曲線所蘊含的整體形態特徵與細節形態特徵進行光譜特徵匹配，能夠精細地區分地物類別。然而當前的光譜特徵匹配方法，缺少層次化光譜特徵表達機制，光譜特徵組織結構混亂；特徵表達過程缺乏學習機制，難以滿足複雜場景光譜特徵提取的要求；特徵表達與特徵匹配過程割裂，特徵匹配陷入特徵數量多，有效信息少的窘境，難以實現精細的地物光譜特徵匹配識別。本項目針對傳統高光譜遙感數據光譜特徵表達與匹配識別過程中缺乏層次化表達機制，以及算法自適應能力與自主學習能力不足等問題，以“深度學習光譜特徵表達—多層次光譜特徵選擇—精細化光譜匹配識別”為研究主線，研究高光譜數據光譜特徵深度學習理論，構造多層次光譜特徵表達體系，利用稀疏學習、反饋學習等研究方法，建立基於深度學習的自適應高光譜特徵表達與匹配模型，提升高光譜數據匹配識別的精細化程度與效率。

結題摘要

本課題擬以“深度學習光譜特徵表達—多層次光譜特徵選擇—精細化光譜匹配識別”為研究主線，根據高光譜數據成像機理，利用深度學習理論表達光譜特徵，將光譜曲線表達為多層次光譜吸收反射特徵與光譜細節特徵的組合；基於反饋學習的多層次光譜特徵選擇機制，建立光譜特徵表達與光譜匹配過程的有機聯繫，獲取不同類別的高光譜數據的多層次本質特徵組合，實現自動、精細的光譜特徵匹配識別。 主要研究思想包括：（1）引入高光譜數據特徵深度學習表達模型，根據光譜特徵結構特徵，建立基於深度學習的高光譜數據多層次光譜特徵表達機制；（2）基於深度學習反饋學習方法，提取不同類別的高光譜數據的多層次本質特徵組合，建立光譜特徵表達過程與特徵匹配過程的有機關聯；（3）根據後向傳播學習機制，發展自適應的多層次光譜特徵匹配距離評價策略，實現自動、精細的光譜特徵匹配。