Вейвлет-нейронные сети для обработки и анализа мультиспектральных данных

Abstract

В данной работе рассматривается классификация мультиспектральных и гиперспектральных изображении. Для данной задачи применяются вейвлет-нейронные сети глубокого обучения с анализом различных типов вейвлетов. Проведен анализ результатов классификации мультиспектрального изображения, на основе чего определен вейвлет, показывающий лучшую точность. Таким оказался MHAT вейвлет с точностью 99,03% на обучающем наборе и 99,07% на тестовом. При классификации гиперспектральных изображении был применен алгоритм, позволяющий улучшить результаты классификации, за счет совместного использования спектральных и пространственных признаков. Представлено сравнение результатов классификации с применением данного алгоритма и без него Лучший результат для двух гиперспектральных изображении был получен с применением данного алгоритма, а также MHAT вейвлета. Для изображения Salinas точность на обучающем наборе – 97,50%, а на тестовом – 96,19%. Для изображения Pavia University точность на обучающем наборе – 99,03%, а на тестовом – 97,73%