• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進(jìn)的擴(kuò)散平滑和RBM的高光譜圖像分類

    2016-11-01 08:50:56歐陽寧
    電視技術(shù) 2016年10期
    關(guān)鍵詞:特征提取分類實(shí)驗(yàn)

    歐陽寧,高 鑫,袁 華

    (桂林電子科技大學(xué) 認(rèn)知無線電與信息處理省部共建教育部重點(diǎn)實(shí)驗(yàn)室,廣西 桂林 541004)

    ?

    基于改進(jìn)的擴(kuò)散平滑和RBM的高光譜圖像分類

    歐陽寧,高鑫,袁華

    (桂林電子科技大學(xué) 認(rèn)知無線電與信息處理省部共建教育部重點(diǎn)實(shí)驗(yàn)室,廣西 桂林 541004)

    為了改善傳統(tǒng)分類方法在高光譜遙感圖像去噪和特征提取方面的不足,提出了一種基于改進(jìn)的擴(kuò)散平滑算法和RBM的方法。該方法使用自適應(yīng)擴(kuò)散系數(shù),對相應(yīng)的區(qū)域進(jìn)行不同程度的擴(kuò)散平滑,實(shí)現(xiàn)了對高光譜遙感圖像的快速去噪;然后利用多層限制玻爾茲曼機(jī)構(gòu)建DBN網(wǎng)絡(luò),實(shí)現(xiàn)對高光譜遙感圖像的分類。實(shí)驗(yàn)表明,與傳統(tǒng)的分類方法和DBN相比,該方法在高光譜圖像地物分類精度上有所改善。

    擴(kuò)散平滑;限制玻爾茲曼機(jī);高光譜;遙感;神經(jīng)網(wǎng)絡(luò)

    近年來,隨著成像光譜儀技術(shù)的突破,遙感圖像由多光譜成像發(fā)展到高光譜,成像的波段由幾個(gè)增加到幾十個(gè)甚至幾百個(gè)。高光譜遙感技術(shù)的發(fā)展為地球遙感和相關(guān)應(yīng)用的開發(fā)創(chuàng)造了新的機(jī)遇。土地覆蓋調(diào)查、森林地物分類、材料識別以及現(xiàn)代農(nóng)業(yè)等幾個(gè)領(lǐng)域都利用了大量遙感影像來獲取信息[1-2]。

    目前,主要運(yùn)用如ANN[3-4](人工神經(jīng)網(wǎng)絡(luò)),SVM[5-6](支持向量機(jī))這一類的非參數(shù)化方法[7]進(jìn)行高光譜圖像的分類工作。但是,SVM方法需要較多的有標(biāo)簽樣本,BP神經(jīng)網(wǎng)絡(luò)存在容易收斂到局部最小值的問題。2006年,Hinton及其學(xué)生Salakhutdinov在《Science》上發(fā)表了一篇文章[8],正式提出深度信念網(wǎng)絡(luò)DBN。在該算法中,一個(gè)DBN模型被視為由若干個(gè)RBM堆疊形成,訓(xùn)練時(shí)由低到高逐層訓(xùn)練,每次只需訓(xùn)練單層的網(wǎng)絡(luò)。在預(yù)訓(xùn)練后,DBN可以通過帶標(biāo)簽數(shù)據(jù)用BP算法對判別性能做出調(diào)整,網(wǎng)絡(luò)的性能比單純的BP算法訓(xùn)練的網(wǎng)絡(luò)要好。自此,深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一個(gè)新興研究方向,受到了學(xué)術(shù)界的極大關(guān)注。

    雖然DBN在高光譜圖像的分類上取得了不錯(cuò)的效果,但該方法側(cè)重于限制玻爾茲曼機(jī)的特征提取方面,對高光譜數(shù)據(jù)的去噪處理還停留在簡單去除噪聲波段[9]這一層面,沒有很好的方法對已經(jīng)去除噪聲波段的數(shù)據(jù)再進(jìn)一步進(jìn)行去噪處理。針對這一問題,本文引入一種改進(jìn)的擴(kuò)散平滑算法對高光譜圖像進(jìn)行去噪,利用RBM構(gòu)建網(wǎng)絡(luò)進(jìn)行特征提取,再連接BP或SP進(jìn)行地物分類。實(shí)驗(yàn)表明,本文提出的方法在主觀視覺效果和客觀評價(jià)參數(shù)都優(yōu)于相比較的幾種算法。

    1 基于改進(jìn)的擴(kuò)散平滑和限制玻爾茲曼機(jī)的特征提取及分類

    采用了一種改進(jìn)的各項(xiàng)異性擴(kuò)散平滑方法。通過改進(jìn)PM模型的擴(kuò)散系數(shù),設(shè)置一個(gè)梯度閾值,每個(gè)梯度范圍對應(yīng)一種擴(kuò)散系數(shù),在不同的梯度區(qū)域采用相對應(yīng)的擴(kuò)散系數(shù)進(jìn)行處理:在梯度較小的區(qū)域采用較大程度的擴(kuò)散,處理后圖像中亮度值相近的像素點(diǎn)會連成一片,形成尺度空間范圍內(nèi)的同質(zhì)區(qū)域,增加了同質(zhì)區(qū)域噪聲的差別;在梯度較大的區(qū)域采用PM模型進(jìn)行處理,最大程度保留細(xì)節(jié)和邊緣信息。

    經(jīng)過擴(kuò)散平滑處理后,高光譜圖像的噪點(diǎn)基本被去除。將得到的數(shù)據(jù)中每個(gè)波段的圖像依次拉伸為一列,再將每列數(shù)據(jù)等分,按順序存儲起來,便于分批處理。最后利用多層限制玻爾茲曼機(jī)網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行訓(xùn)練,提取特征,輸出的權(quán)值向量作為BP神經(jīng)網(wǎng)絡(luò)或SP(子空間追蹤)算法的輸入,完成對地物的分類。系統(tǒng)框圖如圖1所示。

    圖1 系統(tǒng)框圖

    2 特征提取及數(shù)據(jù)處理

    2.1基于改進(jìn)的擴(kuò)散平滑的高光譜圖像去噪

    高光譜數(shù)據(jù)在獲取和傳輸過程中容易受傳感器、外界環(huán)境等因素的影響,存在很多噪聲。為了減小噪聲對特征提取的影響,除了剔除噪聲波段和吸水波段,還需要對數(shù)據(jù)進(jìn)一步去噪。由于高光譜數(shù)據(jù)包含上百個(gè)波段的光譜信息,如果采用中值濾波或者小波變換等方法,計(jì)算量非常大,耗時(shí)太久。本文引入一種改進(jìn)的各向異性擴(kuò)散(PM)模型對高光譜圖像進(jìn)行去噪。

    PM模型是改進(jìn)的熱傳導(dǎo)微分方程

    (1)

    擴(kuò)散系數(shù)為

    (2)

    式中:k是閾值參數(shù),用來控制特征尺度。

    新方法通過改進(jìn)PM模型的擴(kuò)散系數(shù),針對不同的梯度范圍采用不同程度的擴(kuò)散。

    (3)

    (4)

    (5)

    式中:α和β是連貫系數(shù),它們保證擴(kuò)散系數(shù)函數(shù)c2的連續(xù)性。

    圖2所示為去噪前后的對比。在梯度較小的區(qū)域采用較大程度的擴(kuò)散后,圖像中亮度值相近的像素點(diǎn)連成一片,形成同質(zhì)區(qū)域,增加了區(qū)域噪聲的差別;在梯度較大的區(qū)域采用PM模型進(jìn)行處理,細(xì)節(jié)和邊緣信息都得到很好的保留。對比圖2a和圖2b后發(fā)現(xiàn),圓圈標(biāo)注的兩個(gè)區(qū)域經(jīng)過該方法處理后,噪點(diǎn)基本都被去除,邊緣和細(xì)節(jié)信息也得到很好的保留。

    圖2 去噪前后的對比

    2.2數(shù)據(jù)重組及分批

    為了得到較好的分類效果以及提高系統(tǒng)效率,本文將經(jīng)過去噪后的數(shù)據(jù)進(jìn)行重組和分批:先把a(bǔ)幅大小為m×m的圖片拉伸為a列m2×1大小的矩陣存儲起來,再將每一列平均分為c份,每份含有b個(gè)元素。這樣處理過的數(shù)據(jù)就便于批量訓(xùn)練和制作標(biāo)簽。圖3所示為數(shù)據(jù)重組和分批的具體流程。

    圖3 數(shù)據(jù)重組和分批

    2.3限制玻爾茲曼機(jī)

    限制玻爾茲曼機(jī)(RestrictedBoltzmannMachine,RBM)是一種生成式隨機(jī)神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)由若干可見單元構(gòu)成的可見層和一些隱藏單元構(gòu)成的隱藏層組成[10]。神經(jīng)元之間的連接具有層內(nèi)無連接、層間全連接的特點(diǎn)??梢妼訂卧脕砻枋鲚斎霕颖緮?shù)據(jù)的某個(gè)方面或某個(gè)特征,隱藏層單元一般用來獲取可見層單元對應(yīng)變量之間的依賴關(guān)系,也被稱為特征提取層。圖4所示為RBM的網(wǎng)絡(luò)結(jié)構(gòu)。

    圖4 RBM網(wǎng)絡(luò)結(jié)構(gòu)

    n表示可見層中神經(jīng)元的個(gè)數(shù),m表示隱藏層中神經(jīng)元的個(gè)數(shù),v=(v1,v2,…,vn)表示可見層的狀態(tài)向量,h=(h1,h2,…,hm)表示隱藏層的狀態(tài)向量,a=(a1,a2,…,an)表示可見層的偏置向量,b=(b1,b2,…,bm)表示隱藏層的偏置向量,W=(wi,j)∈Rn×m表示可見層和隱藏層之間的權(quán)值矩陣。

    隱藏單元和可見單元的的激活概率分別為

    (6)

    (7)

    式中:σ(x)=1/(1+e-x)為sigmoid激活函數(shù);∑表示累加求和;hi是h中的一個(gè)元素;vj是v中的一個(gè)元素;aj是a中的一個(gè)元素;bi是b中的一個(gè)元素。

    將可見單元的狀態(tài)設(shè)置為一個(gè)訓(xùn)練樣本,v(0)=v,執(zhí)行k步Gibbs采樣,利用式(6)計(jì)算所有隱藏單元的二值狀態(tài),在所有隱藏單元狀態(tài)確定后,根據(jù)式(7)來確定第i個(gè)可見單元vi取值為1的概率,進(jìn)而產(chǎn)生可見層的一個(gè)重構(gòu)。然后利用采樣得到的v(k)來近似估計(jì)

    (8)

    (9)

    (10)

    各參數(shù)按下式更新

    (11)

    (12)

    (13)

    得到各層參數(shù)的更新公式

    (14)

    (15)

    (16)

    式中:η>0為學(xué)習(xí)率。

    2.4方法具體流程

    1)將經(jīng)過幾何校正和大氣校正的高光譜數(shù)據(jù)中的噪聲波段和吸水波段剔除,再進(jìn)行擴(kuò)散平滑去噪處理。

    2)將每個(gè)波段的圖片拉伸為一列,每列進(jìn)行分塊,將數(shù)據(jù)分批。

    3)按批次將數(shù)據(jù)輸入第一層RBM,輸出的權(quán)值和偏置作為第二層RBM的輸入,以此類推,經(jīng)過N層訓(xùn)練,得到權(quán)值向量以及隱藏層和可見層的偏置向量。

    4)將最后一層RBM網(wǎng)絡(luò)輸出的權(quán)值向量作為BP神經(jīng)網(wǎng)絡(luò)的輸入,通過BP后進(jìn)行分類。

    圖5所示為基于DBN的特征提取和分類方法流程圖。

    圖5 基于DBN的特征提取和分類方法流程圖

    3 實(shí)驗(yàn)仿真及結(jié)果分析

    3.1實(shí)驗(yàn)數(shù)據(jù)和評估指標(biāo)

    實(shí)驗(yàn)環(huán)境:在CPU為Intel至強(qiáng)E3-1230V3,內(nèi)存為8GbyteDDR3,顯卡為GTX660 2GHz的PC機(jī)上,利用MATLABR2012a進(jìn)行實(shí)驗(yàn)仿真。

    實(shí)驗(yàn)采用的數(shù)據(jù)是美國國家航空航天局噴氣推進(jìn)實(shí)驗(yàn)室用AVIRIS系統(tǒng)在1992年拍攝的印第安納州西北部松樹場景高光譜遙感圖像。該數(shù)據(jù)光譜分辨率為10nm,空間分辨率為20m×20m,包含224個(gè)波段的光譜信息,每個(gè)波段的分辨率為144×144,圖6所示為某一個(gè)波段的地物分布情況。圖7為對應(yīng)的地物標(biāo)識。

    圖6 單波段地物場景

    圖7 地物標(biāo)識

    該高光譜數(shù)據(jù)對應(yīng)的地物有16種,分別為Corn-Notill,Grass/Pasture,Grass/Trees,Hay-Windrowed,Soybeans-Notill,Soybeans-Mintill,Soybeans-Clean,Woods,Alfalfa,Corn-Mintill,Corn,Grass/Pasture-moved,Oats,Wheat,Bldng-Trass-Trees,Stone-Steel-Tower。表1為16種地物的樣本數(shù)目。

    選取16種地物中的Corn-Notill,Grass/Pasture,Grass/Trees,Hay-Windrowed,Soybeans-Notill,Soybeans-Mintill,Soybeans-Clean和Woods這8類地物,共計(jì)8 511個(gè)樣本進(jìn)行分類實(shí)驗(yàn)。8類地物的具體分布如圖8~9所示。

    表116種地物樣本數(shù)目

    地物種類AlfalfaCorn-NotillCorn-MimtillBldng-Grass-TreesGrass/PastureGrass/TreesGrass/Pasture-movedHay-Windrowed樣本數(shù)目54143483423449774726489地物種類OatsSoybeans-NotillSoybeans-MintillSoybeans-CleanWheatWoodsCornStone-Steel-Tower樣本數(shù)目209682468614212129438095

    圖8 8類地物標(biāo)識1

    圖9 8類地物標(biāo)識2

    利用混淆矩陣來反映分類結(jié)果與地物真實(shí)情況的相關(guān)信息,通過分析混淆矩陣,采用總體分類精度(OverallAccuracy,OA)、平均分類精度(AverageAccuracy,AA)和Kappa系數(shù)作為實(shí)驗(yàn)的參考參數(shù),用來判斷算法的性能。

    對于混淆矩陣A,假設(shè)矩陣大小為m×m,樣本種類即為m個(gè)。aii表示正確分類到第i類的樣本數(shù)目,aij表示錯(cuò)分的樣本數(shù)目。

    測試樣本總數(shù)為

    (17)

    第i行元素之和為

    (18)

    第i列元素之和為

    (19)

    Kappa系數(shù)為

    (20)

    總體分類精度為

    (21)

    平均分類精度為

    (22)

    3.2參數(shù)設(shè)置實(shí)驗(yàn)

    實(shí)驗(yàn)首先從RBM的參數(shù)設(shè)定進(jìn)行。通過查閱文獻(xiàn)[11],經(jīng)過多次試驗(yàn),將RBM的參數(shù)設(shè)置為:epsilonw=0.1,epsilonvb=0.1,epsilonhb=0.1,weightcose=0.000 2,initialmomentum=0.5,finalmomentum=0.9。

    由于神經(jīng)網(wǎng)絡(luò)的抽象性,迭代的次數(shù)對實(shí)驗(yàn)結(jié)果有很大影響。若迭代次數(shù)過小,則數(shù)據(jù)不能夠很好地描述較抽象的特征;若迭代次數(shù)過大,則實(shí)驗(yàn)所花費(fèi)的時(shí)間將大大增加。通過實(shí)驗(yàn)發(fā)現(xiàn),迭代20次以后,分類效果已經(jīng)穩(wěn)定,繼續(xù)增加迭代次數(shù)分類效果提升不明顯。

    文獻(xiàn)[12]指出,隱藏層的節(jié)點(diǎn)數(shù)對特征提取有一定影響。當(dāng)隱藏層節(jié)點(diǎn)數(shù)目過多時(shí),會導(dǎo)致過擬合;同樣,當(dāng)隱藏層節(jié)點(diǎn)數(shù)過小時(shí),兩層神經(jīng)元之間的鏈接過少,層與層之間的權(quán)值向量不能很好地表示相關(guān)信息。通過多次實(shí)驗(yàn),發(fā)現(xiàn)其他參數(shù)不變,當(dāng)隱藏層節(jié)點(diǎn)個(gè)數(shù)為60的時(shí)候,分類結(jié)果最好。圖10所示為不同迭代次數(shù)下的分類結(jié)果,圖11所示為隱藏層個(gè)數(shù)對分類結(jié)果的影響。

    圖10 不同迭代次數(shù)下的分類效果

    圖11 隱藏層個(gè)數(shù)對分類結(jié)果的影響

    3.3實(shí)驗(yàn)結(jié)果分析

    圖12所示為各方法的分類效果圖,表2所示為各類方法的參數(shù)對比。由圖12a的分類結(jié)果示意圖可以看出,SVM算法能夠?qū)?類地物都比較好地分類出來,特別是對Woods的分類準(zhǔn)確度達(dá)到了97.89%。但是由于高光譜圖像存在“同物異譜,同譜異物”的現(xiàn)象,造成該算法在某些地物的分類上容易發(fā)生誤分和漏分的現(xiàn)象。從圖12a中的標(biāo)注可以看出,該方法對Corn-Notill這類地物的分類效果很差,大部分都被錯(cuò)分為地物Soybeans-Mintill,Soybeans-Clean這類地物也有一部分被錯(cuò)分為Soybeans-Mintill。表2的實(shí)驗(yàn)數(shù)據(jù)反映該方法對地物Corn-Notill的分類精度只有58.67%,這也進(jìn)一步印證了該算法的缺陷。

    圖12 各方法的分類效果圖

    基于RBM的兩種方法由于采用了多層RBM訓(xùn)練網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行處理,能夠深度挖掘很抽象的特征,在一定程度上改善了誤分的現(xiàn)象。圖12a中SVM分類方法將很大一部分的Hay-Windrowed誤分為Grass/Pasture,

    表2各種方法的分類效果

    地物種類SVMRBM+SPRBM+BP擴(kuò)散平滑+RBM+BPCorn-Notill0.58670.70730.74020.7421Grass/Pasture0.73780.88410.86750.8850Grass/Trees0.96750.94110.97530.9696Hay-Windrowed0.63820.92470.90380.9251Soybeans-Notill0.66760.76340.80760.7966Soybeans-Mintill0.77520.80530.79190.8045Soybeans-Clean0.61920.60030.63740.6233Woods0.97890.92810.95180.9637OA0.76710.82240.84070.8476AA0.74640.81930.83440.8387Kappa0.71900.76850.77010.7727

    在圖12b和圖12d中可以看出該現(xiàn)象均得到了很好的改善。雖然對Woods的分類效果較SVM方法略有下降,但是對Corn-Notill,Grass/Trees,Grass/Pasture,Hay-Windrowed,Soybeans-Notill和Soybeans-Mintill這幾類地物的分類效果都有所提升。特別是DBN網(wǎng)絡(luò),由于BP神經(jīng)網(wǎng)絡(luò)的反向傳播特性,能夠?qū)ο到y(tǒng)進(jìn)行微調(diào),使得該網(wǎng)絡(luò)的分類效果進(jìn)一步提升。表2的數(shù)據(jù)也顯示它的幾項(xiàng)參數(shù)均比其他兩種方法有顯著提升。

    從圖12c和圖12d可以看出,經(jīng)過擴(kuò)散平滑去噪處理后,分類效果得到改善。圖13所示為去噪前后的參數(shù)對比。由圖13和表2也可看出,去噪后的分類效果在Kappa系數(shù)、平均精度和總體精度上均有提高。實(shí)驗(yàn)驗(yàn)證本文方法改善了DBN系統(tǒng)在去噪方面的不足,對遙感圖像地物分類的效果顯著,證明該方法可行。

    圖13 去噪前后評估參數(shù)對比

    4 總結(jié)

    針對DBN在去噪方面的不足,提出了一種基于改進(jìn)的擴(kuò)散平滑和限制玻爾茲曼機(jī)的高光譜圖像特征提取及分類方法。該方法利用一種改進(jìn)的擴(kuò)散平滑算法,對高光譜圖像不同的梯度區(qū)域采取不同程度的擴(kuò)散平滑,有效去除噪聲;然后利用RBM網(wǎng)絡(luò),采用級聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu),充分挖掘數(shù)據(jù)的深層抽象特征;最后將提取的特征作為BP(SP)的輸入,對各類地物進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明,本文提出的算法在各類地物分類效果以及總體分類準(zhǔn)確率上,相比其他算法,都取得一定程度的提高。本文方法在去噪方面仍有改進(jìn)的空間,可以結(jié)合PCA和字典學(xué)習(xí)的優(yōu)點(diǎn)進(jìn)行更好的去噪處理。該方法優(yōu)化后將在城市規(guī)劃、農(nóng)業(yè)生產(chǎn)和森林植被調(diào)查等領(lǐng)域有很好的應(yīng)用前景。

    [1]GURRAMP.Algorithmsformultispectralandhyperspectralimageanalysis[J].Journalofelectrical&computerengineering,2013(2):11-16.

    [2]AHMADM,LEES,HAQIU,etal.Hyperspectralremotesensing:dimensionalreductionandendmemberextraction[J].Internationaljournalofsoftcomputing&engineering,2012,2(2):25-29.

    [3]都業(yè)軍,周肅,方吉宙.人工神經(jīng)網(wǎng)絡(luò)在遙感影像分類中的應(yīng)用與對比研究[J].測繪科學(xué),2015(增刊1):53-123.

    [4]HAYKINS.Neuralnetworksandlearningmachines[M]. 3rded.NewJersey:PearsonEducation,2009.

    [5]譚琨,杜培軍. 基于支持向量機(jī)的高光譜遙感圖像分類[J].紅外與毫米波學(xué)報(bào), 2008, 27(2): 123-128.

    [6]NIUX,BANYF.AnovelcontextualclassificationalgorithmformultitemporalpolarimetricSARdata[J].IEEEgeoscienceandremotesensingletters,2014,11(3):681-685.

    [7]呂啟,竇勇,牛新,等.基于DBN模型的遙感圖像分類[J].計(jì)算機(jī)研究與發(fā)展,2014,51(9):1911-1918.

    [8]HINTONGE,SALAKHUTDINOVRR.Reducingthedimensionalityofdatawithneuralnetworks[J].Science,2006(13):504-507.

    [9]MIDHUNME,NAIRSR,PRABHAKARVTN,etal.Deepmodelforclassificationofhyperspectralimageusingrestrictedboltzmannmachine[C]//ICONIAAC′14.[S.l.]:IEEE,2014:1-7.

    [10]張春霞,姬楠楠,王冠偉.受限波爾茲曼機(jī)[J].工程數(shù)學(xué)學(xué)報(bào),2015,32(2):159-173.

    [11]LUOX,ZHAOC,PANJ,etal.Remotesensingimageintelligentclassificationanditsapplication[J].Publishinghouseofelectronicsindustry,2011(8):19-27.[12]LAROCHELLE H,BENGIO Y,LOURADOUR J,et al. Exploring strategies for training deep neural networks[J]. The journal of machine learning research,2009(10):1-40.

    歐陽寧(1972— ),教授,主要研究領(lǐng)域?yàn)橹悄軋D像處理、智能信息處理、數(shù)據(jù)融合、計(jì)算機(jī)應(yīng)用等;

    高鑫(1988— ),碩士生,主研高光譜圖像去噪和分類;

    袁華(1975— ),碩士,講師,主研圖像處理、智能圖像處理。

    責(zé)任編輯:時(shí)雯

    Feature extraction and classification of hyperspectral image based on improved diffusion smoothing and RBM

    OUYANG Ning,GAO Xin,YUAN Hua

    (KeyLaboratoryofCognitiveRadioandInformationProcessing,GuilinUniversityofElectronicTechnology,GuangxiGuilin541004,China)

    In order to improve the shortcomings of traditional classification methods in hyperspectral remote sensing image denoising and feature extraction, a new method based on improved diffusion smoothing algorithm and RBM model is proposed. The method uses the adaptive diffusion coefficient to the high spectral image denoising. To the corresponding regions, different degree of diffusion smoothing is adopted to realize the fast denoising of hyperspectral remote sensing image.Then, restricted Boltzmann machine is used to build DBN network to classify hyperspectral remote sensing images. The experimental results show that, compared with the traditional classification method and DBN, the proposed method obviously improve the classification accuracy of the remote sensing image.

    diffusion smoothing; restricted Boltzmann machine; hyperspectral; remote sensing; neural network

    TN911.73

    ADOI:10.16280/j.videoe.2016.010.005

    國家自然科學(xué)基金項(xiàng)目(61362021);廣西自然科學(xué)基金項(xiàng)目(2013GXNSFDA019030;2013GXNSFAA019331;2014GXNSFDA118035);廣西科技開發(fā)項(xiàng)目(桂科攻1348020-6;桂科能1298025-7);桂林電子科技大學(xué)研究生科研創(chuàng)新項(xiàng)目(YJCXS201531)

    2016-02-05

    文獻(xiàn)引用格式:歐陽寧,高鑫,袁華.基于改進(jìn)的擴(kuò)散平滑和RBM的高光譜圖像分類[J].電視技術(shù),2016,40(10):22-27.

    OUYANG N,GAO X,YUAN H.Feature extraction and classification of hyperspectral image based on improved diffusion smoothing and RBM[J].Video engineering,2016,40(10):22-27.

    猜你喜歡
    特征提取分類實(shí)驗(yàn)
    記一次有趣的實(shí)驗(yàn)
    分類算一算
    做個(gè)怪怪長實(shí)驗(yàn)
    基于Gazebo仿真環(huán)境的ORB特征提取與比對的研究
    電子制作(2019年15期)2019-08-27 01:12:00
    分類討論求坐標(biāo)
    數(shù)據(jù)分析中的分類討論
    教你一招:數(shù)的分類
    一種基于LBP 特征提取和稀疏表示的肝病識別算法
    NO與NO2相互轉(zhuǎn)化實(shí)驗(yàn)的改進(jìn)
    實(shí)踐十號上的19項(xiàng)實(shí)驗(yàn)
    太空探索(2016年5期)2016-07-12 15:17:55
    男人操女人黄网站| 午夜视频精品福利| 99精品在免费线老司机午夜| 日本vs欧美在线观看视频| 高清毛片免费观看视频网站 | 久久午夜综合久久蜜桃| 97超级碰碰碰精品色视频在线观看| 成人国语在线视频| 国产精品偷伦视频观看了| 欧美日韩一级在线毛片| 91麻豆av在线| 啦啦啦在线免费观看视频4| 国产高清国产精品国产三级| 黄色毛片三级朝国网站| 曰老女人黄片| 精品国产国语对白av| 欧美精品啪啪一区二区三区| 精品福利观看| 国产成+人综合+亚洲专区| 激情在线观看视频在线高清| 国产精品亚洲一级av第二区| 亚洲自偷自拍图片 自拍| 亚洲av片天天在线观看| 久久久久久久久免费视频了| 欧美另类亚洲清纯唯美| 久久久久久亚洲精品国产蜜桃av| 成人三级做爰电影| 成人18禁高潮啪啪吃奶动态图| 看免费av毛片| 好看av亚洲va欧美ⅴa在| 国产乱人伦免费视频| 亚洲成人免费电影在线观看| 国产99白浆流出| 亚洲av成人不卡在线观看播放网| 国产又爽黄色视频| 久久中文看片网| 国产免费现黄频在线看| 满18在线观看网站| 国产精华一区二区三区| 国产国语露脸激情在线看| 十分钟在线观看高清视频www| 老司机午夜十八禁免费视频| 精品午夜福利视频在线观看一区| 伦理电影免费视频| xxxhd国产人妻xxx| 高清欧美精品videossex| 久热爱精品视频在线9| 成人av一区二区三区在线看| 色在线成人网| 日韩欧美三级三区| 午夜福利在线免费观看网站| 高清黄色对白视频在线免费看| 久久精品亚洲av国产电影网| 精品久久久久久电影网| 免费久久久久久久精品成人欧美视频| 91老司机精品| 女人爽到高潮嗷嗷叫在线视频| 九色亚洲精品在线播放| ponron亚洲| 久久国产精品男人的天堂亚洲| 国产精品免费一区二区三区在线| 90打野战视频偷拍视频| 老鸭窝网址在线观看| 男人的好看免费观看在线视频 | 9191精品国产免费久久| 久久国产亚洲av麻豆专区| 热99国产精品久久久久久7| 亚洲精品在线美女| 国产精品久久久av美女十八| 亚洲久久久国产精品| 国产亚洲精品久久久久5区| 国产色视频综合| 成人三级做爰电影| 色综合婷婷激情| 动漫黄色视频在线观看| 神马国产精品三级电影在线观看 | 免费人成视频x8x8入口观看| 欧美人与性动交α欧美精品济南到| 欧美中文日本在线观看视频| 丰满迷人的少妇在线观看| 韩国av一区二区三区四区| 亚洲精品成人av观看孕妇| 韩国精品一区二区三区| 男女做爰动态图高潮gif福利片 | 日本 av在线| 琪琪午夜伦伦电影理论片6080| 男女下面插进去视频免费观看| 一区在线观看完整版| 自拍欧美九色日韩亚洲蝌蚪91| 黄片播放在线免费| 免费在线观看视频国产中文字幕亚洲| 亚洲三区欧美一区| 成人三级黄色视频| 国产一区二区三区综合在线观看| 亚洲欧美一区二区三区黑人| 一区在线观看完整版| 精品久久久久久成人av| 久久国产亚洲av麻豆专区| 亚洲熟妇熟女久久| 天堂中文最新版在线下载| 成人手机av| 首页视频小说图片口味搜索| 亚洲情色 制服丝袜| 成人永久免费在线观看视频| 亚洲精品在线美女| 国产不卡一卡二| 久久久久久久午夜电影 | 变态另类成人亚洲欧美熟女 | 欧美黑人精品巨大| 嫩草影院精品99| 男人的好看免费观看在线视频 | 热99国产精品久久久久久7| 国产欧美日韩一区二区三区在线| 精品人妻在线不人妻| av在线天堂中文字幕 | 91精品国产国语对白视频| 变态另类成人亚洲欧美熟女 | 岛国视频午夜一区免费看| 久久精品国产亚洲av高清一级| 欧美日韩福利视频一区二区| 在线播放国产精品三级| 美国免费a级毛片| 久久香蕉精品热| 成人三级黄色视频| 淫秽高清视频在线观看| 男人的好看免费观看在线视频 | 激情在线观看视频在线高清| 乱人伦中国视频| 国产精品二区激情视频| 精品福利永久在线观看| 99久久精品国产亚洲精品| 淫妇啪啪啪对白视频| 成年版毛片免费区| 日本五十路高清| 99国产精品免费福利视频| 精品福利永久在线观看| e午夜精品久久久久久久| 50天的宝宝边吃奶边哭怎么回事| 国产乱人伦免费视频| 精品国产一区二区三区四区第35| 亚洲性夜色夜夜综合| 如日韩欧美国产精品一区二区三区| 亚洲第一欧美日韩一区二区三区| 中文字幕av电影在线播放| 夜夜看夜夜爽夜夜摸 | av网站免费在线观看视频| 视频区图区小说| 国产在线精品亚洲第一网站| 亚洲午夜精品一区,二区,三区| 99久久人妻综合| 欧美黑人欧美精品刺激| 久久亚洲真实| 亚洲一区高清亚洲精品| 国产成人免费无遮挡视频| 女同久久另类99精品国产91| 国产在线观看jvid| 午夜福利在线免费观看网站| 波多野结衣一区麻豆| 亚洲精品国产色婷婷电影| 在线十欧美十亚洲十日本专区| 男人舔女人的私密视频| 国产精品二区激情视频| 制服诱惑二区| 熟女少妇亚洲综合色aaa.| 精品高清国产在线一区| 亚洲熟女毛片儿| 精品人妻在线不人妻| 男女之事视频高清在线观看| 国产精品亚洲av一区麻豆| 亚洲欧美一区二区三区久久| a级片在线免费高清观看视频| 在线观看日韩欧美| 又黄又爽又免费观看的视频| 国产精品日韩av在线免费观看 | 色老头精品视频在线观看| 18禁国产床啪视频网站| 首页视频小说图片口味搜索| 久久婷婷成人综合色麻豆| 黄色视频,在线免费观看| 美女扒开内裤让男人捅视频| 精品国产超薄肉色丝袜足j| 亚洲人成77777在线视频| 亚洲国产中文字幕在线视频| 大型黄色视频在线免费观看| 这个男人来自地球电影免费观看| 高清欧美精品videossex| 国产精品免费一区二区三区在线| 首页视频小说图片口味搜索| 女人被躁到高潮嗷嗷叫费观| а√天堂www在线а√下载| 久久影院123| 精品电影一区二区在线| 99国产精品一区二区蜜桃av| 中文字幕高清在线视频| 日本 av在线| 久99久视频精品免费| 又黄又爽又免费观看的视频| 黄色视频不卡| 成人影院久久| 久久国产精品男人的天堂亚洲| 久久精品亚洲av国产电影网| 激情在线观看视频在线高清| 亚洲精品美女久久av网站| 欧美中文日本在线观看视频| 18禁观看日本| 99riav亚洲国产免费| netflix在线观看网站| 另类亚洲欧美激情| 久久久国产成人精品二区 | 精品无人区乱码1区二区| 欧美激情久久久久久爽电影 | 免费在线观看黄色视频的| 日韩精品中文字幕看吧| 久久久精品欧美日韩精品| 国产精品永久免费网站| 韩国精品一区二区三区| 黄片大片在线免费观看| 久久久久国产精品人妻aⅴ院| 十八禁网站免费在线| 欧美一级毛片孕妇| 纯流量卡能插随身wifi吗| 欧美成人性av电影在线观看| 亚洲精品中文字幕在线视频| 久久天躁狠狠躁夜夜2o2o| 精品卡一卡二卡四卡免费| 精品一品国产午夜福利视频| 国产97色在线日韩免费| 欧美日韩亚洲高清精品| 欧美成人性av电影在线观看| 咕卡用的链子| 女生性感内裤真人,穿戴方法视频| 校园春色视频在线观看| av中文乱码字幕在线| 亚洲国产欧美一区二区综合| 国产亚洲精品一区二区www| 精品乱码久久久久久99久播| 亚洲avbb在线观看| 国产亚洲精品第一综合不卡| 久99久视频精品免费| 国产精品98久久久久久宅男小说| 国产精品爽爽va在线观看网站 | 99国产精品一区二区蜜桃av| 精品久久久精品久久久| 欧美日韩中文字幕国产精品一区二区三区 | 日本精品一区二区三区蜜桃| 色尼玛亚洲综合影院| 午夜免费成人在线视频| 在线观看日韩欧美| 黑人巨大精品欧美一区二区mp4| 亚洲av电影在线进入| 正在播放国产对白刺激| av在线播放免费不卡| 国产精品美女特级片免费视频播放器 | 一进一出抽搐动态| 欧美成人免费av一区二区三区| 中文字幕高清在线视频| 动漫黄色视频在线观看| 99在线人妻在线中文字幕| 三级毛片av免费| 欧美日韩国产mv在线观看视频| 亚洲国产精品999在线| 高清黄色对白视频在线免费看| 法律面前人人平等表现在哪些方面| 一级黄色大片毛片| 1024香蕉在线观看| 国产熟女午夜一区二区三区| 看片在线看免费视频| 国产男靠女视频免费网站| 中文字幕人妻丝袜制服| 老司机福利观看| 激情在线观看视频在线高清| 少妇被粗大的猛进出69影院| 免费看十八禁软件| 人人澡人人妻人| 天天躁夜夜躁狠狠躁躁| 黄频高清免费视频| 多毛熟女@视频| 久久久久久免费高清国产稀缺| 欧美激情极品国产一区二区三区| 日本撒尿小便嘘嘘汇集6| 日韩国内少妇激情av| 久热这里只有精品99| 久久精品亚洲av国产电影网| 亚洲精品av麻豆狂野| 99国产极品粉嫩在线观看| 免费观看人在逋| 国产成人啪精品午夜网站| 国产视频一区二区在线看| 亚洲av美国av| 欧美日韩福利视频一区二区| 精品久久久精品久久久| 男人舔女人下体高潮全视频| 一边摸一边抽搐一进一小说| 黄色怎么调成土黄色| 嫩草影视91久久| 91av网站免费观看| 多毛熟女@视频| 色哟哟哟哟哟哟| 国产一区二区三区在线臀色熟女 | 日本黄色视频三级网站网址| 黄色视频不卡| 国产精品爽爽va在线观看网站 | 好男人电影高清在线观看| 国内毛片毛片毛片毛片毛片| 免费av中文字幕在线| 日本黄色视频三级网站网址| av有码第一页| aaaaa片日本免费| 老司机亚洲免费影院| 一进一出好大好爽视频| av福利片在线| 超碰成人久久| 久热这里只有精品99| 69精品国产乱码久久久| 午夜91福利影院| 午夜a级毛片| 国产欧美日韩一区二区精品| netflix在线观看网站| 国产又色又爽无遮挡免费看| 超色免费av| 成人精品一区二区免费| 亚洲国产精品999在线| 一边摸一边抽搐一进一小说| 国产精品电影一区二区三区| 亚洲成人精品中文字幕电影 | 国产精品一区二区免费欧美| 精品电影一区二区在线| 久久99一区二区三区| 久久影院123| 国产深夜福利视频在线观看| 亚洲欧美一区二区三区黑人| 久久国产精品人妻蜜桃| 999久久久国产精品视频| 天堂中文最新版在线下载| 亚洲欧洲精品一区二区精品久久久| 99久久久亚洲精品蜜臀av| 丝袜美腿诱惑在线| 黄色丝袜av网址大全| 男人舔女人的私密视频| 国产成人精品无人区| 亚洲情色 制服丝袜| 人人妻,人人澡人人爽秒播| 啪啪无遮挡十八禁网站| 精品久久久久久久久久免费视频 | 国产成人精品久久二区二区91| 丰满迷人的少妇在线观看| 波多野结衣高清无吗| 亚洲黑人精品在线| 亚洲欧美日韩高清在线视频| 村上凉子中文字幕在线| 99riav亚洲国产免费| 色播在线永久视频| 精品一品国产午夜福利视频| 麻豆国产av国片精品| 亚洲专区字幕在线| 免费在线观看完整版高清| 老司机午夜十八禁免费视频| 少妇 在线观看| 视频区欧美日本亚洲| 亚洲精品国产一区二区精华液| 国产成人欧美| 天堂中文最新版在线下载| 50天的宝宝边吃奶边哭怎么回事| 成人三级黄色视频| 男人的好看免费观看在线视频 | 日本五十路高清| 一边摸一边抽搐一进一小说| 亚洲国产欧美网| av视频免费观看在线观看| 日韩有码中文字幕| 激情在线观看视频在线高清| 国产午夜精品久久久久久| 高清av免费在线| 老司机靠b影院| 国产精品久久久久久人妻精品电影| 高潮久久久久久久久久久不卡| 日本欧美视频一区| 99香蕉大伊视频| 亚洲av五月六月丁香网| 女性生殖器流出的白浆| 黑人猛操日本美女一级片| 亚洲全国av大片| 久久精品91无色码中文字幕| 麻豆一二三区av精品| 国产蜜桃级精品一区二区三区| 精品无人区乱码1区二区| 亚洲五月色婷婷综合| 国产一区二区在线av高清观看| 欧美另类亚洲清纯唯美| 91字幕亚洲| 色精品久久人妻99蜜桃| 99久久99久久久精品蜜桃| 欧美老熟妇乱子伦牲交| 中文字幕色久视频| 一进一出抽搐gif免费好疼 | 少妇 在线观看| 国产有黄有色有爽视频| 精品一区二区三区av网在线观看| 亚洲成人精品中文字幕电影 | 一级毛片高清免费大全| 少妇被粗大的猛进出69影院| 两人在一起打扑克的视频| 精品国产亚洲在线| 久久精品国产亚洲av高清一级| 可以在线观看毛片的网站| 日本 av在线| 操美女的视频在线观看| 亚洲 欧美 日韩 在线 免费| 在线看a的网站| 少妇被粗大的猛进出69影院| 久久久精品国产亚洲av高清涩受| 国产视频一区二区在线看| 欧美日韩乱码在线| 精品国内亚洲2022精品成人| av欧美777| 老司机午夜十八禁免费视频| 国产一区二区三区视频了| 精品福利永久在线观看| 99久久99久久久精品蜜桃| 国产成年人精品一区二区 | 国产高清激情床上av| 两人在一起打扑克的视频| 黄色 视频免费看| 国产黄色免费在线视频| 国产成+人综合+亚洲专区| 99在线人妻在线中文字幕| av天堂久久9| 国产又爽黄色视频| 在线观看免费午夜福利视频| 久久国产精品影院| 中文字幕另类日韩欧美亚洲嫩草| 亚洲 欧美一区二区三区| 国产免费av片在线观看野外av| 久久国产亚洲av麻豆专区| 国产免费av片在线观看野外av| 搡老乐熟女国产| 亚洲精品美女久久久久99蜜臀| 可以在线观看毛片的网站| 嫩草影院精品99| 在线十欧美十亚洲十日本专区| 最近最新免费中文字幕在线| 免费在线观看影片大全网站| 色婷婷av一区二区三区视频| av欧美777| 精品第一国产精品| 国产午夜精品久久久久久| 9191精品国产免费久久| 日韩av在线大香蕉| 亚洲精品在线美女| 亚洲人成电影免费在线| 热re99久久精品国产66热6| 1024视频免费在线观看| 欧美不卡视频在线免费观看 | 黄网站色视频无遮挡免费观看| 久9热在线精品视频| 波多野结衣高清无吗| 99久久综合精品五月天人人| 午夜免费观看网址| 麻豆一二三区av精品| 午夜亚洲福利在线播放| 一本大道久久a久久精品| 国产免费现黄频在线看| 欧美乱码精品一区二区三区| 国产精品久久久久久人妻精品电影| 亚洲va日本ⅴa欧美va伊人久久| 90打野战视频偷拍视频| 亚洲专区字幕在线| 99riav亚洲国产免费| 18禁观看日本| 可以免费在线观看a视频的电影网站| 两个人免费观看高清视频| 夜夜躁狠狠躁天天躁| 黑丝袜美女国产一区| 欧美精品啪啪一区二区三区| 成人手机av| 嫩草影视91久久| 欧美成人免费av一区二区三区| a级片在线免费高清观看视频| 免费一级毛片在线播放高清视频 | 亚洲欧美精品综合久久99| 亚洲精品一二三| 在线观看免费高清a一片| 少妇裸体淫交视频免费看高清 | 一夜夜www| 精品少妇一区二区三区视频日本电影| 女警被强在线播放| 精品国产一区二区三区四区第35| 人人澡人人妻人| 成在线人永久免费视频| 变态另类成人亚洲欧美熟女 | 色综合婷婷激情| 亚洲aⅴ乱码一区二区在线播放 | 国产单亲对白刺激| 久久中文看片网| 亚洲国产欧美网| 一个人观看的视频www高清免费观看 | 国产精品久久久久成人av| 最近最新免费中文字幕在线| 亚洲专区中文字幕在线| 熟女少妇亚洲综合色aaa.| 免费高清视频大片| 久久精品亚洲熟妇少妇任你| 一区二区三区精品91| 婷婷精品国产亚洲av在线| 法律面前人人平等表现在哪些方面| 长腿黑丝高跟| 国产精品久久久久成人av| 超色免费av| 精品人妻1区二区| 久久伊人香网站| 国产精品日韩av在线免费观看 | 久久精品国产亚洲av香蕉五月| 黄色怎么调成土黄色| 午夜亚洲福利在线播放| 热re99久久精品国产66热6| 国产97色在线日韩免费| 日韩欧美三级三区| 99国产精品99久久久久| 国产免费现黄频在线看| 亚洲国产欧美网| 俄罗斯特黄特色一大片| 麻豆一二三区av精品| av有码第一页| 美女福利国产在线| 亚洲av电影在线进入| 欧美日韩国产mv在线观看视频| 99精国产麻豆久久婷婷| av电影中文网址| 天堂中文最新版在线下载| 在线十欧美十亚洲十日本专区| 一夜夜www| 色老头精品视频在线观看| 免费搜索国产男女视频| 亚洲专区国产一区二区| 日韩高清综合在线| 成人特级黄色片久久久久久久| 久久九九热精品免费| 麻豆久久精品国产亚洲av | 一进一出抽搐gif免费好疼 | 国产精品影院久久| 亚洲免费av在线视频| 波多野结衣av一区二区av| 国产97色在线日韩免费| 美女大奶头视频| 欧美另类亚洲清纯唯美| 午夜福利一区二区在线看| √禁漫天堂资源中文www| av视频免费观看在线观看| 久久国产精品人妻蜜桃| 国产午夜精品久久久久久| 午夜91福利影院| 满18在线观看网站| 麻豆成人av在线观看| 成人黄色视频免费在线看| 日韩免费av在线播放| 精品久久久久久电影网| 久久国产乱子伦精品免费另类| 国产成人欧美在线观看| 日韩 欧美 亚洲 中文字幕| 欧洲精品卡2卡3卡4卡5卡区| 亚洲视频免费观看视频| 淫妇啪啪啪对白视频| 国产一区二区在线av高清观看| 亚洲国产欧美网| 国产亚洲精品久久久久5区| 激情在线观看视频在线高清| 免费看十八禁软件| 身体一侧抽搐| 无人区码免费观看不卡| 新久久久久国产一级毛片| 99久久综合精品五月天人人| 日韩欧美一区视频在线观看| 国产人伦9x9x在线观看| 免费高清视频大片| 亚洲国产欧美网| 高清黄色对白视频在线免费看| 又紧又爽又黄一区二区| 国产精品成人在线| 男人舔女人的私密视频| 在线av久久热| 日本 av在线| 精品久久久久久久久久免费视频 | 十分钟在线观看高清视频www| 在线观看一区二区三区| 成人18禁高潮啪啪吃奶动态图| 亚洲精品粉嫩美女一区| 久久精品国产综合久久久| 久久精品国产亚洲av高清一级| 在线观看66精品国产| 久久香蕉激情| 国产三级在线视频| 美女扒开内裤让男人捅视频| 欧美黄色片欧美黄色片| 国产1区2区3区精品| 男女之事视频高清在线观看| 亚洲欧美精品综合一区二区三区| 国产精品偷伦视频观看了| 大型黄色视频在线免费观看| www国产在线视频色| 他把我摸到了高潮在线观看| 一级毛片女人18水好多| 极品教师在线免费播放| 欧美日韩精品网址| 国产精品成人在线| 亚洲精品在线观看二区| 久久久国产一区二区| 欧美黄色片欧美黄色片| 中文字幕高清在线视频| 亚洲一码二码三码区别大吗| 亚洲三区欧美一区| 久久这里只有精品19| 男人舔女人下体高潮全视频| 欧美久久黑人一区二区| av在线天堂中文字幕 | 一二三四社区在线视频社区8|