深度迁移学习在高光谱遥感图像分类中的研究现状与展望
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收 稿 日 期 :２０１８Ｇ１２Ｇ２７ 基金项目:国家自然科学基金项目(６１６０３３５５,６１８７３２４９);中国地质大学(武汉)中央高校基本科研业务费资助项目 (CUGL１７０２２);湖北
省自然科学基金面上项目 (２０１８CFB５２８)． 作 者 简 介 :Biblioteka Baidu 小 波 (１９７８— ),男 ,副 教 授 ． ∗ 通 信 联 系 人 ．
第４０卷 第３期 ２０１９ 年 ６ 月
JournalofQingdaoUni青ver岛sity科of技Sc大ien学cea学nd报T(e自ch然nol科og学y(版N)aturalScienceEdition)
VoJlu．n４０．２０N１o９．３
文 章 编 号 :１６７２Ｇ６９８７(２０１９)０３Ｇ０００１Ｇ１１;DOI:１０．１６３５１/j．１６７２Ｇ６９８７．２０１９．０３．００１
ClassificationofHyperspectralRemoteSensingImageBasedon DeepTransferLearning:A Review
LIUXiaobo１,３,YINXu１,３,LIU Haibo２,WANG Min１,３,YANBingyun２
(１．SchoolofAutomation,ChinaUniversityofGeosciences,Wuhan４３００７４,China;２．CollegeofAutomationand ElectronicEngineering,QingdaoUniversityofScienceandTechnology,Qingdao２６６０６１,China;
深度迁移学习在高光谱遥感图像分类中的 研究现状与展望
刘小波１,３,尹 旭１,３∗ ,刘海波２,汪 敏１,３,颜丙云２
(１．中国地质大学(武汉)自动化学院,湖北 武汉 ４３００７４;２．青岛科技大学 自动化与电子工程学院,山东 青岛 ２６６０６１; ３．复杂系统先进控制与智能自动化湖北省重点实验室,湖北 武汉 ４３００７４)
摘 要 :高 光 谱 遥 感 通 过 利 用 许 多 窄 电 磁 波 波 段 获 取 包 含 丰 富 的 空 间 、辐 射 和 光 谱 信 息 ,在 对 地观测研究领域扮演着重要角色.随着深度学习的 迅 速 发 展,深 度 神 经 网 络 及 深 度 森 林 等 算 法 在 高 光 谱 遥 感 图 像 分 类 任 务 中 得 到 广 泛 应 用 ,但 同 时 也 产 生 了 一 系 列 困 难 ,如 对 训 练 样 本 数 量 需 求 高 、模 型 训 练 耗 时 以 及 分 类 代 价 大 等 问 题 . 将 深 度 学 习 与 迁 移 学 习 结 合 ,能 够 有 效 解 决 上述问题,在高光谱遥感图像分类领域得到初步应 用.本 工 作 首 先 介 绍 高 光 谱 遥 感 图 像 分 类 的相关背景,之后介绍深度 学 习 在 高 光 谱 遥 感 图 像 分 类 中 的 应 用,并 指 出 其 具 有 的 优 势 与 不 足 ,最 后 介 绍 深 度 迁 移 学 习 在 高 光 谱 遥 感 图 像 分 类 中 的 应 用 ,并 对 当 前 研 究 存 在 的 问 题 进 行 总 结与展望. 关 键 词 :高 光 谱 ;遥 感 ;深 度 学 习 ;深 度 迁 移 学 习 ;图 像 分 类 中 图 分 类 号 :TP７５１．１ 文 献 标 志 码 :A 引 用 格 式 :刘 小 波 ,尹 旭 ,刘 海 波 ,等 ．深 度 迁 移 学 习 在 高 光 谱 遥 感 图 像 分 类 中 的 研 究 现 状 与 展 望 [J]．青 岛 科 技 大 学 学 报 (自 然 科 学 版 ),２０１９,４０(３):１Ｇ１１． LIU Xiaobo,YIN Xu,LIU Haibo,etal．ClassificationofhyperspectralremotesensingimＧ agebasedondeeptransferlearning:Areview[J]．JournalofQingdao UniversityofScience andTechnology(NaturalScienceEdition),２０１９,４０(３):１Ｇ１１．
２
青 岛 科 技 大 学 学 报(自然科学版)
第 ４０ 卷
thetimeＧconsumingtrainingprocess,andthehightrainingcost．Combiningtheadvantages ofdeeplearningandtransferlearning,effectivelysolvestheaboveproblems,whichhasalＧ
３．HubeiKeyLaboratoryofAdvancedControlandIntelligentAutomationforComplexSystems,Wuhan４３００７４,China)
Abstract:Hyperspectralremotesensing (HRS)technologyplaysanimportantroleinthe fieldofearthobservationbyusingmanynarrowelectromagneticwavebandstodetectground informationcontainingabundantspace,radiationandspectrum．Withtherapiddevelopment ofdeeplearning,algorithmssuchasdeepneuralnetworks (DNNs)anddeepforesthave beenwidelyadoptedintheclassificationtasksofHRSimage,butatthesametimetheyhave broughtaseriesofdifficulties,suchasthedemandforalargenumberoftrainingsamples,
省自然科学基金面上项目 (２０１８CFB５２８)． 作 者 简 介 :Biblioteka Baidu 小 波 (１９７８— ),男 ,副 教 授 ． ∗ 通 信 联 系 人 ．
第４０卷 第３期 ２０１９ 年 ６ 月
JournalofQingdaoUni青ver岛sity科of技Sc大ien学cea学nd报T(e自ch然nol科og学y(版N)aturalScienceEdition)
VoJlu．n４０．２０N１o９．３
文 章 编 号 :１６７２Ｇ６９８７(２０１９)０３Ｇ０００１Ｇ１１;DOI:１０．１６３５１/j．１６７２Ｇ６９８７．２０１９．０３．００１
ClassificationofHyperspectralRemoteSensingImageBasedon DeepTransferLearning:A Review
LIUXiaobo１,３,YINXu１,３,LIU Haibo２,WANG Min１,３,YANBingyun２
(１．SchoolofAutomation,ChinaUniversityofGeosciences,Wuhan４３００７４,China;２．CollegeofAutomationand ElectronicEngineering,QingdaoUniversityofScienceandTechnology,Qingdao２６６０６１,China;
深度迁移学习在高光谱遥感图像分类中的 研究现状与展望
刘小波１,３,尹 旭１,３∗ ,刘海波２,汪 敏１,３,颜丙云２
(１．中国地质大学(武汉)自动化学院,湖北 武汉 ４３００７４;２．青岛科技大学 自动化与电子工程学院,山东 青岛 ２６６０６１; ３．复杂系统先进控制与智能自动化湖北省重点实验室,湖北 武汉 ４３００７４)
摘 要 :高 光 谱 遥 感 通 过 利 用 许 多 窄 电 磁 波 波 段 获 取 包 含 丰 富 的 空 间 、辐 射 和 光 谱 信 息 ,在 对 地观测研究领域扮演着重要角色.随着深度学习的 迅 速 发 展,深 度 神 经 网 络 及 深 度 森 林 等 算 法 在 高 光 谱 遥 感 图 像 分 类 任 务 中 得 到 广 泛 应 用 ,但 同 时 也 产 生 了 一 系 列 困 难 ,如 对 训 练 样 本 数 量 需 求 高 、模 型 训 练 耗 时 以 及 分 类 代 价 大 等 问 题 . 将 深 度 学 习 与 迁 移 学 习 结 合 ,能 够 有 效 解 决 上述问题,在高光谱遥感图像分类领域得到初步应 用.本 工 作 首 先 介 绍 高 光 谱 遥 感 图 像 分 类 的相关背景,之后介绍深度 学 习 在 高 光 谱 遥 感 图 像 分 类 中 的 应 用,并 指 出 其 具 有 的 优 势 与 不 足 ,最 后 介 绍 深 度 迁 移 学 习 在 高 光 谱 遥 感 图 像 分 类 中 的 应 用 ,并 对 当 前 研 究 存 在 的 问 题 进 行 总 结与展望. 关 键 词 :高 光 谱 ;遥 感 ;深 度 学 习 ;深 度 迁 移 学 习 ;图 像 分 类 中 图 分 类 号 :TP７５１．１ 文 献 标 志 码 :A 引 用 格 式 :刘 小 波 ,尹 旭 ,刘 海 波 ,等 ．深 度 迁 移 学 习 在 高 光 谱 遥 感 图 像 分 类 中 的 研 究 现 状 与 展 望 [J]．青 岛 科 技 大 学 学 报 (自 然 科 学 版 ),２０１９,４０(３):１Ｇ１１． LIU Xiaobo,YIN Xu,LIU Haibo,etal．ClassificationofhyperspectralremotesensingimＧ agebasedondeeptransferlearning:Areview[J]．JournalofQingdao UniversityofScience andTechnology(NaturalScienceEdition),２０１９,４０(３):１Ｇ１１．
２
青 岛 科 技 大 学 学 报(自然科学版)
第 ４０ 卷
thetimeＧconsumingtrainingprocess,andthehightrainingcost．Combiningtheadvantages ofdeeplearningandtransferlearning,effectivelysolvestheaboveproblems,whichhasalＧ
３．HubeiKeyLaboratoryofAdvancedControlandIntelligentAutomationforComplexSystems,Wuhan４３００７４,China)
Abstract:Hyperspectralremotesensing (HRS)technologyplaysanimportantroleinthe fieldofearthobservationbyusingmanynarrowelectromagneticwavebandstodetectground informationcontainingabundantspace,radiationandspectrum．Withtherapiddevelopment ofdeeplearning,algorithmssuchasdeepneuralnetworks (DNNs)anddeepforesthave beenwidelyadoptedintheclassificationtasksofHRSimage,butatthesametimetheyhave broughtaseriesofdifficulties,suchasthedemandforalargenumberoftrainingsamples,