论文部分内容阅读
本文主要研究基于深度轮廓波卷积神经网络的遥感图像地物分类问题。深度卷积神经网络是一种可以直接处理图像块的前馈神经网络,能够引入像素空间相关性,减弱相干斑影响、提升分类精度。将深度卷积神经网络延拓至复数域进行运算,可充分利用遥感图像的相位信息,构造得复数卷积神经网络。轮廓波变换用不同尺度上的不同方向的子带来逼近图像,能更好的捕捉图像的内部几何结构,获得判别特征。以复数卷积神经网络为基础,引入轮廓波变换构造多尺度深度学习模型,可有效解决背景复杂的遥感图像分类问题。主要工作如下:1.提出了一种基于非下采样