成果信息
| |
| |
| |
| 張洪艷、袁強強、張樂飛、江城、李家藝、胡凡、賀威、陳行、翟晗、張亞坤 |
| |
| |
| 高光譜遙感;特徵學習;監督分類;深度學習;稀疏表示 |
成果摘要
高光譜遙感影像光譜連續、圖譜合一,能夠以較高的光譜診斷能力對地物目標進行精細化識別。針對高光譜遙感影像分類中面臨的光譜時空多變、地物空間分布複雜、訓練樣本數量有限等難點問題,本項目在表達學習理論框架下,以“特徵深度挖掘—稀疏表達分類—聯合模型一體化耦合”為研究主線,發展統一、穩健的高光譜影像特徵學習與地物分類一體化模型與方法。 其主要思路為:充分利用高光譜遙感影像的海量特性,以數據驅動的方式非監督深度學習影像高層抽象本徵特徵與表達;在影像空間鄰域均質性驅動下,構建超像素水平的高光譜遙感影像稀疏表達分類器;研究影像特徵與地物信息之間的雙向互調機制,實現特徵挖掘與地物分類聯合模型的自更新、自學習與一體化耦合。本項目研究和發展高光譜遙感影像信息提取的新理論和新方法,研究成果可以有效提升高光譜遙感影像的套用潛力。,高光譜遙感影像光譜連續、圖譜合一,能夠以較高的光譜診斷能力對地物目標進行精細化識別。針對高光譜遙感影像分類中面臨的光譜時空多變、地物空間分布複雜、訓練樣本數量有限等難點問題,本項目在表達學習理論框架下,以“特徵深度挖掘—稀疏表達分類—聯合模型一體化耦合”為研究主線,發展統一、穩健的高光譜影像特徵學習與地物分類一體化模型與方法。 其主要思路為:充分利用高光譜遙感影像的海量特性,以數據驅動的方式非監督深度學習影像高層抽象本徵特徵與表達;在影像空間鄰域均質性驅動下,構建超像素水平的高光譜遙感影像稀疏表達分類器;研究影像特徵與地物信息之間的雙向互調機制,實現特徵挖掘與地物分類聯合模型的自更新、自學習與一體化耦合。本項目研究和發展高光譜遙感影像信息提取的新理論和新方法,研究成果可以有效提升高光譜遙感影像的套用潛力。