基于生成对抗网络的半监督高光谱图像分类方法研究

声明

致谢

1 引言

1.1 选题背景与意义

1.2 高光谱图像分类的国内外研究现状

1.3 主要研究内容及创新点

1.4 论文结构安排

2 图像分类算法基础

2.1 卷积神经网络

2.2 生成对抗网络

2.2.1 生成对抗网络模型

2.2.2 生成对抗网络变体

2.3 本章小结

3 多种类荧光分子数据采集及预处理

3.1 高光谱图像及数据特性

3.2 显微高光谱成像系统

3.3 数据采集

3.4 数据集介绍

3.4.1 多种类荧光分子数据集相关参数

3.4.2 基于荧光分子光谱分析的高光谱成像优势分析

3.5 图像预处理

3.5.1 光谱校正

3.5.2 数据集降维

3.5.3 数据标准化处理

3.6 本章小结

4 基于卷积的半监督生成对抗网络分类方法研究

4.1 半监督生成对抗网络模型

4.1.1 网络结构

4.1.2 训练样本设置

4.1.3 三阶段训练方式

4.2 实验及结果分析

4.2.1 评价指标

4.2.2 实验结果

4.3 本章小结

5 基于空谱联合特征的半监督生成对抗网络分类方法研究

5.1 联合空谱信息的半监督生成对抗网络模型

5.1.1 网络结构

5.1.2 训练样本设置

5.2 实验及结果分析

5.3 本章小结

6 结论

6.1 研究总结

6.2 未来展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集