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(bào)告大綱前言研究目的方法介紹小波轉(zhuǎn)換實(shí)驗(yàn)結(jié)論未來方向參考資料報(bào)告大綱前言2前言分類影像資料統(tǒng)計(jì)特性計(jì)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(jì)特性計(jì)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(shí)驗(yàn)影像，評(píng)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(hào)轉(zhuǎn)成另一種結(jié)果（輸出訊號(hào)）。簡化計(jì)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(shí)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(jì)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(huì)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(shí)驗(yàn)實(shí)驗(yàn)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(gè)光譜波段。實(shí)驗(yàn)實(shí)驗(yàn)影像11實(shí)驗(yàn)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(shí)驗(yàn)流程實(shí)驗(yàn)以小波係數(shù)當(dāng)作圖2實(shí)驗(yàn)流程12實(shí)驗(yàn)分類精度實(shí)驗(yàn)分類精度13實(shí)驗(yàn)圖3分類精度圖類神經(jīng)分類精度:42%(100)(100)(100)實(shí)驗(yàn)圖3分類精度圖類神經(jīng)分類精度:42%(100)14實(shí)驗(yàn)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(shí)驗(yàn)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(shí)驗(yàn)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(shí)驗(yàn)結(jié)果也證明了這項(xiàng)理論推論。實(shí)驗(yàn)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(shí)驗(yàn)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(shí)驗(yàn)結(jié)果分析分解後光譜(近似部分)W17實(shí)驗(yàn)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(shí)驗(yàn)結(jié)果分析粗解析度下的小波分解細(xì)節(jié)部分18實(shí)驗(yàn)結(jié)果分析圖7分解第一次實(shí)驗(yàn)結(jié)果分析圖7分解第一次19實(shí)驗(yàn)結(jié)果分析圖8分解第三次實(shí)驗(yàn)結(jié)果分析圖8分解第三次20實(shí)驗(yàn)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(shí)驗(yàn)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(bào)告大綱前言研究目的方法介紹小波轉(zhuǎn)換實(shí)驗(yàn)結(jié)論未來方向參考資料報(bào)告大綱前言27前言分類影像資料統(tǒng)計(jì)特性計(jì)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(jì)特性計(jì)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(shí)驗(yàn)影像，評(píng)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(hào)轉(zhuǎn)成另一種結(jié)果（輸出訊號(hào)）。簡化計(jì)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(shí)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(jì)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(huì)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(shí)驗(yàn)實(shí)驗(yàn)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(gè)光譜波段。實(shí)驗(yàn)實(shí)驗(yàn)影像36實(shí)驗(yàn)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(shí)驗(yàn)流程實(shí)驗(yàn)以小波係數(shù)當(dāng)作圖2實(shí)驗(yàn)流程37實(shí)驗(yàn)分類精度實(shí)驗(yàn)分類精度38實(shí)驗(yàn)圖3分類精度圖類神經(jīng)分類精度:42%(100)(100)(100)實(shí)驗(yàn)圖3分類精度圖類神經(jīng)分類精度:42%(100)39實(shí)驗(yàn)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(shí)驗(yàn)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(shí)驗(yàn)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(shí)驗(yàn)結(jié)果也證明了這項(xiàng)理論推論。實(shí)驗(yàn)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(shí)驗(yàn)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(shí)驗(yàn)結(jié)果分析分解後光譜(近似部分)W42實(shí)驗(yàn)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(shí)驗(yàn)結(jié)果分析粗解析度下的小波分解細(xì)節(jié)部分43實(shí)驗(yàn)結(jié)果分析圖7分解第一次實(shí)驗(yàn)結(jié)果分析圖7分解第一次44實(shí)驗(yàn)結(jié)果分析圖8分解第三次實(shí)驗(yàn)結(jié)果分析圖8分解第三次45實(shí)驗(yàn)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(shí)驗(yàn)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