高光譜遙感影像特徵學習-地物分類一體化建模

《高光譜遙感影像特徵學習-地物分類一體化建模》是由武漢大學擔任第一完成單位，由張洪艷、袁強強、張樂飛、江城、李家藝、胡凡、賀威、陳行、翟晗、張亞坤為主要完成人的科研項目。

基本介紹

• 中文名：高光譜遙感影像特徵學習-地物分類一體化建模
• 第一完成單位：武漢大學
• 主要完成人：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
• 項目類別：科研項目

成果信息

成果登記號	20200706
成果名稱	高光譜遙感影像特徵學習-地物分類一體化建模
第一完成單位	武漢大學
主要完成人	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
研究起始日期	2016-01-01
研究終止日期	2019-12-01
主題詞	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。