深度遷移學(xué)習與高光譜遙感圖像不期而遇后？

 在過(guò)去40年不到的時(shí)間里，遙感在理論、技術(shù)和應用上都得到了飛速的進(jìn)步，其高光譜遙感的出現和發(fā)展是遙感技術(shù)的一場(chǎng)革命。

相比傳統的多光譜技術(shù)，使本來(lái)在寬波段遙感中不可探測的物質(zhì)，在高光譜遙感中能被探測。高光譜傳感器在數百個(gè)窄波連續光譜帶中同時(shí)采集圖像，具有更精細的光譜分辨率（0.01 μm）。獲得的三維圖像數據通常包含大量可用于計算機處理的信息，其第三維的光譜波段信息對于空間域和光譜域內的土地覆蓋監測和測繪提供了極大的幫助。

在處理高光譜圖像分類(lèi)問(wèn)題上，樣本的特征往往是決定分類(lèi)結果的關(guān)鍵。然而新的問(wèn)題出現了，針對高光譜圖像分類(lèi)中，樣本空間特征利用不足。通過(guò)一些學(xué)者研究得出啟發(fā)，將深層殘差網(wǎng)絡(luò )作為特征提取器運用到高光譜圖像分類(lèi)中，利用深層殘差網(wǎng)絡(luò )更深的網(wǎng)絡(luò )結構，挖掘樣本鄰域空間中的深層特征，實(shí)驗證明此特征具有更好的可分性。

同時(shí)，針對深層卷積網(wǎng)絡(luò )有監督訓練的過(guò)程中，由于有標簽樣本不足導致的過(guò)擬合現象，提出基于深度遷移學(xué)習方法的訓練策略，通過(guò)遷移網(wǎng)絡(luò )在另一相關(guān)數據集中訓練得到的網(wǎng)絡(luò )淺層卷積核參數，再使用目標數據集對深層卷積核參數進(jìn)行微調，提高了殘差網(wǎng)絡(luò )在少量有標簽樣本情況下的分類(lèi)效果。

基于深層殘差網(wǎng)絡(luò )的高光譜圖像分類(lèi)

數據預處理

與以往所使用的四鄰域、八鄰域方法不同，為了充分利用樣本鄰域內的空間信息，本文選擇對更大的鄰域空間進(jìn)行特征提取。首先使用主成分分析算法[對整個(gè)高光譜圖像進(jìn)行數據降維，以達到去除波段圖像之間相關(guān)性的目的。

提取深層特征

在使用深層卷積網(wǎng)絡(luò )處理分類(lèi)任務(wù)的方法中，其選用的網(wǎng)絡(luò )結構對分類(lèi)效果影響很大，對于不同的網(wǎng)絡(luò )結構，其分類(lèi)效果也盡然不同。深層殘差網(wǎng)絡(luò )在普通圖像分類(lèi)任務(wù)中，已經(jīng)取得了極大的成功。

為了提取更深層此的空間特征，選用 Resnet-50 深層殘差網(wǎng)絡(luò )模型，對于 Resnet-50 網(wǎng)絡(luò )結構，深層特征是一個(gè)2 048維的向量。最后，基于樣本的深層特征，訓練一個(gè)支持向量機（SVM），以驗證卷積特征相對于光譜特征，Gabor特征具有更好的可分性。

網(wǎng)絡(luò )頂層卷積層提取的深層特征對于目標數據集是特定的，為保證網(wǎng)絡(luò )模型在目標數據集中的分類(lèi)精度，網(wǎng)絡(luò )深層卷積核參數則在目標數據集中進(jìn)行微調。

將較深層的網(wǎng)絡(luò )參數及最后的輸出層參數進(jìn)行隨機初始化，通過(guò)少量目標數據集有標簽數據對這些參數進(jìn)行繼續訓練。整個(gè)過(guò)程可看作網(wǎng)絡(luò )將在源數據集中學(xué)習到的先驗知識遷移到目標數據集中，一定程度地避免了過(guò)擬合現象，同時(shí)也保證了對目標數據特有特征的學(xué)習。

有學(xué)者王立偉等人通過(guò)實(shí)驗使用兩個(gè)真實(shí)高光譜圖像數據集對提出的方法進(jìn)行驗證，對比不同鄰域大小對分類(lèi)效果的影響，以及無(wú)監督提取的深層特征對分類(lèi)的影響，遷移不同的網(wǎng)絡(luò )參數對分類(lèi)的影響，證明挖掘高光譜圖像樣本鄰域空間的深層特征，具有更強的判別性，并能與原光譜特征產(chǎn)生很好的互補性。充分說(shuō)明在普通圖像數據集上充分訓練的深度卷積網(wǎng)絡(luò )有助于高光譜分類(lèi)任務(wù)。

提出基于模型的遷移學(xué)習策略，結合網(wǎng)絡(luò )在一個(gè)源數據集中預訓練的底層卷積核參數，再通過(guò)目標數據集微調網(wǎng)絡(luò )高層卷積核參數，使模型在使用少量有標簽樣本的情況下取得了更好的分類(lèi)效果。

但是新的問(wèn)題還需要我們去改進(jìn)，比如在深度殘差網(wǎng)路中存在的多種網(wǎng)絡(luò )結構配置還有待比對。遷移學(xué)習中，如何解決在不同數據集中同類(lèi)別樣本存在的特征差異性問(wèn)題也有待探索。

版權聲明：文章來(lái)源于網(wǎng)絡(luò )，登載此文出于傳遞更多信息之目的，版權歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的權益，請聯(lián)系我們。 

猜你喜歡：

遙感技術(shù)應用環(huán)保，監測黑臭水體水環(huán)境污染

精準農業(yè)用多光譜還是高光譜遙感技術(shù)？