联合空谱信息的高光谱影像深度胶囊网络分类

来源 :遥感学报 | 被引量 : 0次 | 上传用户:HanMa_1978
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
向量化的胶囊神经元和动态路由式的信息传递机制赋予了胶囊网络更强的特征表示能力。在遥感领域,基于胶囊网络的高光谱影像分类方法已经获得了较传统深度学习模型更为优异的分类结果。针对现有胶囊分类模型中存在的网络浅层、空谱联合信息利用不足等问题,本文利用卷积胶囊层、残差连接、三维卷积胶囊层构建了一种用于高光谱影像分类的新型深度胶囊网络。具体地,本文方法直接以高维数据立方体作为网络输入,并利用胶囊残差块逐层提取数据中的深层抽象特征。为了更加充分地利用影像中的空谱联合特征,在深层次的胶囊残差块中引入三维卷积胶囊层
其他文献
针对红外掩星载荷的分层探测特性,本文在Rodgers提出的LM (Levenberg-Marquardt)最优估计算法的基础上进行修改,构建一种适合掩星探测的水汽廓线反演算法。首先,考虑到红外掩星的高光谱数据在反演时存在通道信息冗余的问题,相关的干扰成分信息对反演精度也有严重影响。使用通道选择和敏感性分析选择合适的反演通道,从而减轻计算负担并提高反演效率。其次,采用分层平滑因子修正Rodgers的
薄层强散射介质的散射系统只会引起入射光波的振幅和相位分布变化,但不会导致总能量的衰减.这一过程可以看成光波被散射系统编码的过程,与双随机加密系统极为相似.本文首先证明了载有目标信息的光波在通过薄层强散射介质的散射系统时所产生散斑的分布特性,与双随机加密系统加密同一明文目标所得到的密文分布特性具有高度的相似性.然后,本文将该散射系统视为一个双随机加密系统,并利用相位恢复算法精确地计算出该散射系统所对
为了提高分布式结构声源的声场重建精度,本文提出了基于单元辐射叠加法的结构声源声场重建方法.该方法首先利用声场叠加原理和结构振声传递特性,建立了结构声源表面振动与辐射声场之间的振声传递关系解析表达式,得到便于快速计算的振声传递矩阵,能够解决连续分布、相干结构噪声源的声传播模型精细化表征问题.然后利用振声传递矩阵作为传递算子进行声场重建,并与迭代加权算法相结合.通过将基于单元辐射叠加法的声场预报结果与解析法预报结果进行比较,验证了单元辐射叠加法具有较高的准确性.并将基于单元辐射叠加法的声场重建方法与传统等效源
针对传统的遥感图像融合方法通常会引起光谱失真的问题和大多数基于深度学习的融合方法忽略充分利用每个卷积层信息的不足,本文结合密集连接卷积网络和残差网络的特性,提出了一个新的融合网络。该网络通过建立多个密集卷积块来充分利用卷积层的分级特征,同时块与块之间通过过渡层加快信息流动,从而最大程度地对特征进行极致利用并提取到丰富的特征。该网络应用残差学习拟合深层特征与浅层特征之间的残差,加快网络的收敛速度。实
利用循环子群之外的元素的阶和该循环子群的阶的关系给出了关于循环群的一个刻画;刻画了导子群G′的每个极小子群或者正规或者具有循环正规化子的有限群G,并证明了这类群G是可解的。
针对页岩气开发过程中污染气体浓度与扩散分布不确定性问题,利用自主设计并搭建的开放光路傅里叶变换红外光谱(FTIR)测量系统,对返排液中污染气体进行浓度反演,并通过返排液流速及污染源大小,计算出污染源源强.结合现场环境,建立参考坐标,对高斯扩散模型进行数学推导,构建污染源面源扩散模型并进行仿真分析.结果表明:源强、距离、风速、大气稳定度影响气体浓度扩散.对返排液进行80 h连续测量,确定主要污染气体
为优化X80管线钢MIG焊的工艺参数,对MIG焊过程中的电弧电压、焊接电流、焊接速度、坡口间隙四个工艺参数进行了正交试验,以焊接接头应力峰值为评价指标,使用极差分析方法,获得了最优的工艺参数.借助ANSYS软件对最优的工艺参数进行模拟计算,得到了应力峰值在接头处的分布情况.结果表明:极差分析法能有效获得最优工艺参数,且焊接速度是接头处应力峰值的主要影响因素,其次为电弧电压、焊接电流、坡口间隙.研究结果为优化X80管线钢焊接工艺、有效减小焊后应力峰值提供了参考.
针对基于单系统单卫星GNSS-MR (GNSS Multipath Reflectometry)土壤湿度反演的可靠性不高、实际可操作性不强和最小二乘估计不具鲁棒性的缺点,为获取更优的延迟相位估值,并改善GNSS-MR土壤湿度反演的可靠性和实际可操作性,同时简化繁杂的选星过程,提出了一种基于抗差估计的多系统多卫星组合GNSS-MR土壤湿度反演算法。该算法首先顾及多径环境的差异性、多径误差的周期特性等
令G为一个图。图G的基尔霍夫指标定义为图G中所有顶点对之间的电阻距离之和。本文给出了计算随机多面骨牌链基尔霍夫指标期望值的公式,并刻画了随机多面骨牌链基尔霍夫指标期望值极值情况。
为解决棉花幼苗与多种类杂草交叉生长的识别率低、鲁棒性差等问题,以棉花幼苗和田间的七类常见杂草为研究对象,提出了一种基于Faster R-CNN和数据增强的棉田苗期杂草识别方法.采集不同背景下受光照影响的杂草图像4694张,包括晴天、阴天和雨天.通过对样本图像的数据增强和特征提取网络ResNet-101的参数优化,训练出了一种可识别棉花幼苗与多种类杂草交叉生长的Faster R-CNN网络模型.在相同样本和特征网络下,将该模型与YOLO模型进行对比.结果表明:Faster R-CNN模型在棉田苗期的多种不同