應(yīng)用小波轉(zhuǎn)換萃取高光譜影像光譜特徵於類神經(jīng)網(wǎng)路分類課件

應(yīng)用小波轉(zhuǎn)換萃取高光譜影像光譜特徵於類神經(jīng)網(wǎng)路分類楊琇涵指導(dǎo)教授：徐百輝老師應(yīng)用小波轉(zhuǎn)換萃取高光譜影像光譜特徵於類神經(jīng)網(wǎng)路分類楊琇涵1報告大綱前言研究目的方法介紹小波轉(zhuǎn)換實驗結(jié)論未來方向參考資料報告大綱前言2前言分類影像資料統(tǒng)計特性計算需足夠的樣本量。獲取資料量大，轉(zhuǎn)換成資訊的成本高。前言分類影像資料統(tǒng)計特性計算需足夠的樣本量。3研究目的小波轉(zhuǎn)換萃取高光譜影像特徵幫助影像分類以小波轉(zhuǎn)換萃取光譜特徵以萃取之特徵作為倒傳遞網(wǎng)路之輸入，訓(xùn)練分類網(wǎng)路。以類神經(jīng)網(wǎng)路分類實驗影像，評估方法之可行性。研究目的小波轉(zhuǎn)換萃取高光譜影像特徵幫助影像分類4方法介紹-小波轉(zhuǎn)換方法介紹-小波轉(zhuǎn)換5方法介紹-小波轉(zhuǎn)換將小波轉(zhuǎn)換視為一種旋積(convolution)，根據(jù)濾波的特性，能將訊號轉(zhuǎn)成另一種結(jié)果（輸出訊號）。簡化計算，以二進(jìn)方式選擇尺度、平移函數(shù)方法介紹-小波轉(zhuǎn)換將小波轉(zhuǎn)換視為一種旋積(convoluti6方法介紹-多解析度一連串彼此互相包含的近似空間相鄰尺度時的組成方法介紹-多解析度一連串彼此互相包含的近似空間7方法介紹-多解析度近似部分：細(xì)節(jié)部分：方法介紹-多解析度近似部分：8方法介紹-正交小波快速轉(zhuǎn)換共軛鏡像濾波器(ConjugateMirrorFilters)計算正交小波係數(shù)方法介紹-正交小波快速轉(zhuǎn)換共軛鏡像濾波器(Conjugate9方法介紹-正交小波快速轉(zhuǎn)換假設(shè)原始的維度是N，利用小波快速分解後，的維度會變成N/2，而達(dá)成維度縮減的目的。圖1正交小波快速轉(zhuǎn)換方法介紹-正交小波快速轉(zhuǎn)換圖1正交小波快速轉(zhuǎn)換10實驗實驗影像由普渡大學(xué)提供，影像為AVIRIS拍得，大小為145*145像素，共220個光譜波段。實驗實驗影像11實驗以小波係數(shù)當(dāng)作特徵以及類神經(jīng)網(wǎng)路的輸入訓(xùn)練資料。採100,200samples圖2實驗流程實驗以小波係數(shù)當(dāng)作圖2實驗流程12實驗分類精度實驗分類精度13實驗圖3分類精度圖類神經(jīng)分類精度:42%(100)(100)(100)實驗圖3分類精度圖類神經(jīng)分類精度:42%(100)14實驗結(jié)果分析小波分解原始影像後的光譜曲線變化，光譜特徵差異變大。圖4原始光譜實驗結(jié)果分析小波分解原始影像後的光譜曲線變化，光譜特徵差異變15實驗結(jié)果分析Woods與其他類別的差異性較大，較能與其他類別區(qū)分出來，而實驗結(jié)果也證明了這項理論推論。實驗結(jié)果分析Woods與其他類別的差異性較大，較能與其他類別16實驗結(jié)果分析分解後光譜(近似部分)

WoodsCornGrassSoybean圖5分解第一次（左），分解第二次（右）圖6分解第三次（左），分解第四次（右）實驗結(jié)果分析分解後光譜(近似部分)W17實驗結(jié)果分析粗解析度下的小波分解細(xì)節(jié)部分往往是雜訊或不重要的資訊實驗結(jié)果分析粗解析度下的小波分解細(xì)節(jié)部分18實驗結(jié)果分析圖7分解第一次實驗結(jié)果分析圖7分解第一次19實驗結(jié)果分析圖8分解第三次實驗結(jié)果分析圖8分解第三次20實驗結(jié)果分析細(xì)解析度下的小波分解細(xì)節(jié)部分各類別的細(xì)節(jié)部分有較為明顯的差異可被視為是類別特徵，做為分類之依據(jù)。分類精度提高至68.87%小波轉(zhuǎn)換能幫助除去光譜資訊中的雜訊，且其細(xì)節(jié)資訊也能幫助找出類別特徵。實驗結(jié)果分析細(xì)解析度下的小波分解細(xì)節(jié)部分21結(jié)論小波轉(zhuǎn)換降低維度保留資料特徵，除去冗餘應(yīng)用於類神經(jīng)網(wǎng)路分類加速分類結(jié)果提高分類精度類神經(jīng)網(wǎng)路訓(xùn)練之不穩(wěn)定性結(jié)論小波轉(zhuǎn)換22未來方向小波轉(zhuǎn)換小波神經(jīng)網(wǎng)路未來方向小波轉(zhuǎn)換23參考文獻(xiàn)Hsu,P.-H.(2003).SpectralFeatureExtractionofHyperspectralImagesusingWaveletTransform.Mallat,S.(1998).AWaveletTouronSignalProcessing.NewYork,AcademicPress.參考文獻(xiàn)Hsu,P.-H.(2003).Spectra24Thankyouforyourattention.應(yīng)用小波轉(zhuǎn)換萃取高光譜影像光譜特徵於類神經(jīng)網(wǎng)路分類課件25應(yīng)用小波轉(zhuǎn)換萃取高光譜影像光譜特徵於類神經(jīng)網(wǎng)路分類楊琇涵指導(dǎo)教授：徐百輝老師應(yīng)用小波轉(zhuǎn)換萃取高光譜影像光譜特徵於類神經(jīng)網(wǎng)路分類楊琇涵26報告大綱前言研究目的方法介紹小波轉(zhuǎn)換實驗結(jié)論未來方向參考資料報告大綱前言27前言分類影像資料統(tǒng)計特性計算需足夠的樣本量。獲取資料量大，轉(zhuǎn)換成資訊的成本高。前言分類影像資料統(tǒng)計特性計算需足夠的樣本量。28研究目的小波轉(zhuǎn)換萃取高光譜影像特徵幫助影像分類以小波轉(zhuǎn)換萃取光譜特徵以萃取之特徵作為倒傳遞網(wǎng)路之輸入，訓(xùn)練分類網(wǎng)路。以類神經(jīng)網(wǎng)路分類實驗影像，評估方法之可行性。研究目的小波轉(zhuǎn)換萃取高光譜影像特徵幫助影像分類29方法介紹-小波轉(zhuǎn)換方法介紹-小波轉(zhuǎn)換30方法介紹-小波轉(zhuǎn)換將小波轉(zhuǎn)換視為一種旋積(convolution)，根據(jù)濾波的特性，能將訊號轉(zhuǎn)成另一種結(jié)果（輸出訊號）。簡化計算，以二進(jìn)方式選擇尺度、平移函數(shù)方法介紹-小波轉(zhuǎn)換將小波轉(zhuǎn)換視為一種旋積(convoluti31方法介紹-多解析度一連串彼此互相包含的近似空間相鄰尺度時的組成方法介紹-多解析度一連串彼此互相包含的近似空間32方法介紹-多解析度近似部分：細(xì)節(jié)部分：方法介紹-多解析度近似部分：33方法介紹-正交小波快速轉(zhuǎn)換共軛鏡像濾波器(ConjugateMirrorFilters)計算正交小波係數(shù)方法介紹-正交小波快速轉(zhuǎn)換共軛鏡像濾波器(Conjugate34方法介紹-正交小波快速轉(zhuǎn)換假設(shè)原始的維度是N，利用小波快速分解後，的維度會變成N/2，而達(dá)成維度縮減的目的。圖1正交小波快速轉(zhuǎn)換方法介紹-正交小波快速轉(zhuǎn)換圖1正交小波快速轉(zhuǎn)換35實驗實驗影像由普渡大學(xué)提供，影像為AVIRIS拍得，大小為145*145像素，共220個光譜波段。實驗實驗影像36實驗以小波係數(shù)當(dāng)作特徵以及類神經(jīng)網(wǎng)路的輸入訓(xùn)練資料。採100,200samples圖2實驗流程實驗以小波係數(shù)當(dāng)作圖2實驗流程37實驗分類精度實驗分類精度38實驗圖3分類精度圖類神經(jīng)分類精度:42%(100)(100)(100)實驗圖3分類精度圖類神經(jīng)分類精度:42%(100)39實驗結(jié)果分析小波分解原始影像後的光譜曲線變化，光譜特徵差異變大。圖4原始光譜實驗結(jié)果分析小波分解原始影像後的光譜曲線變化，光譜特徵差異變40實驗結(jié)果分析Woods與其他類別的差異性較大，較能與其他類別區(qū)分出來，而實驗結(jié)果也證明了這項理論推論。實驗結(jié)果分析Woods與其他類別的差異性較大，較能與其他類別41實驗結(jié)果分析分解後光譜(近似部分)

WoodsCornGrassSoybean圖5分解第一次（左），分解第二次（右）圖6分解第三次（左），分解第四次（右）實驗結(jié)果分析分解後光譜(近似部分)W42實驗結(jié)果分析粗解析度下的小波分解細(xì)節(jié)部分往往是雜訊或不重要的資訊實驗結(jié)果分析粗解析度下的小波分解細(xì)節(jié)部分43實驗結(jié)果分析圖7分解第一次實驗結(jié)果分析圖7分解第一次44實驗結(jié)果分析圖8分解第三次實驗結(jié)果分析圖8分解第三次45實驗結(jié)果分析細(xì)解析度下的小波分解細(xì)節(jié)部分各類別的細(xì)節(jié)部分有較為明顯的差異可被視為是類別特徵，做為分類之依據(jù)。分類精度提高至68.87%小波轉(zhuǎn)換能幫助除去光譜資訊中的雜訊，且其細(xì)節(jié)資訊也能幫助找出類別特徵。實驗結(jié)果分析細(xì)解析度下的小波分解細(xì)節(jié)部分46結(jié)論小波轉(zhuǎn)換降低維度保留資料特徵，除去冗餘應(yīng)用於類神經(jīng)網(wǎng)路分類加速分類結(jié)果提高分類精度類神經(jīng)網(wǎng)路訓(xùn)練之不穩(wěn)定性結(jié)論小波轉(zhuǎn)換47未來方向小波轉(zhuǎn)換小波神經(jīng)網(wǎng)路未來方向小波轉(zhuǎn)換48參考文獻(xiàn)Hsu,P.-H.(2003).SpectralFeatureExtractionofHyperspectralImagesusing