深度卷积Highway Unit神经网络极化SAR地物类型分类

发布时间：2024-02-15 18:53

　　近些年来,合成孔径雷达(Synthetic Aperture Radar,SAR)技术蓬勃发展,多颗SAR遥感卫星成功发射。GF-3作为我国首颗C波段SAR卫星,在地球科学、气候变化研究、森林资源调查等领域发挥重要作用,使我国的遥感应用进入新的阶段。然而,如何从海量遥感数据中快速准确地提取地物信息,是遥感工作者亟待解决的问题。目前,在大数据的支持下,以深度学习为代表的人工智能技术掀起了巨大的浪潮,其在多个应用中展示的能力远远超过了传统的图像处理算法。本文将深度学习应用在GF-3极化SAR地物类型分类的工作中。采用具有代表性的深度卷积Highway Unit神经网络。该网络通过交替的卷积层和池化层从SAR图像中自动学习多层高级特征表达,能够很好的抵抗噪声的影响,充分挖影像在时间和空间上的规律,有效提高地物分类精度。本文的研究内容包括以下三个方面:(1)本文采用Schmidhuber教授提出的深度卷积Highway Unit神经网络,通过可反复堆叠的Highway网络学习单元,使其优化方法基本与网络的深度独立,某种程度解决了网络信息损耗的问题,可以用较少的样本训练任意深度的网络。(2)为了...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图2.1常见的非线性激活函数的函数图像

2深度卷积HighwayUnit网络的构建与数据预处理这样输入和输出的关系可以表示为：11211222''''''WyxWxxWxWxW（2.6）其中W'是新的参数。前向传播算法与线性模型的定....

图2.2两种激活函数及梯度比较

图2.2两种激活函数及梯度比较2.1.3损失函数神经网络模型是通过损失函数（lossfunction）来评价模型训练的效果及优化过程[56]。交叉熵（crossentropy）是常用的评判方法之一。交叉熵通常用来刻画两个概率分布之间的距离。假设两个概率分布分别是p和....

图2.3卷积神经网络的原理

其中J(W)的损失函数，是控制步长学习速度，wd和m表示表示权重衰减和动量。2.2传统的卷积神经网络深度卷积神经网络(ConvolutionalNeuralNetwork，CNN)是一种特别适合计算机视觉应用的神经网络，因为它能够通过局部操作对特征进行分层表....

图2.4卷积层的运算过程

西安科技大学硕士学位论文是从输入图像中提取特征，通过使用输入数据中的大小方块来学操作保留了像素间的空间关系。卷积的计算过程是这样的：如图阵在原始图像上以每次一个像素的速率（也称为“步幅”）移动两个矩阵相对元素的乘积并相加，输出一个整数并作为最终输出个33的矩阵被称为“过滤器....

本文编号：3900180