基于3D关联规则深度学习的异构遥感数据检测

摘要：

异构遥感数据中包含大量噪声,影响数据检测效果,为了高效、准确地获取检测结果,提出基于 3D关联规则深度学习的异构遥感数据检测方法.通过双树复小波变换多尺度分解遥感数据中的噪声,分解后保留低频分量不变,高频分量使用四阶微分去噪模型去噪,重构高频和低频分量,完成遥感数据去噪.通过 3D关联规则深度学习方法对去噪后的异构遥感数据的特征基元进行提取,获取属性特征,通过多尺度词包模型变化检测算法实现异构遥感数据检测.仿真结果表明,所提方法可以快速准确完成异构遥感数据检测.

关键词：关联规则、深度学习、异构遥感数据、数据去噪

所属期刊栏目：40

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金41966007

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：482-486