文件名称：基于深度信念网络的高光谱影像森林类型识别
文件大小：1.22MB
文件格式：PDF
更新时间：2024-05-26 06:07:30
HJ/1A高光谱影像 深度信念网络 森林类型 光谱特征
森林类型分类对森林生态系统管理起重要作用，高光谱影像由于波段多，传统方法先对其进行特征选择或特征提取进行降维处理，再进行图像分类，一定程度影响森林类型识别精度.深度信念网络是一种半监督学习方法，可将高光谱所有波段作为深度信念网络的输入，从而避免降维处理.论文利用深度信念网络对泉州市德化县西部8个乡镇进行森林类型识别研究.基于HJ/1A高光谱图像与二类调查数据，利用Python语言实现高光谱影像森林类型分类，讨论了网络深度和隐藏层单元数对总体精度与Kappa系数的影响.实验结果表明：层数为3，每层节点数为256的网络结构对森林类型识别效果最好，总体精度达85.8%，系数为0.785，好于支持向量机的分类结果.