高光谱图像深度模糊核聚类的洋底锰结核识别
目的 海洋资源调查是海洋科学研究的重要组成部分,对于开发利用海洋资源、保护海洋环境有重要意义.将深海高光谱图像用于调查洋底锰结核资源,相比传统图像方法信息更为全面,识别更为准确.但是高光谱方法中用于有监督分类识别的分类器需要人工标定的标签,这在深海环境中是较为困难的.针对这一局限性,本文提出了一种融合深度网络与模糊核聚类的深度模糊核聚类(deep kernel fuzzy C-means,DKFCM)算法,实现对洋底锰结核高光谱图像的无监督聚类.方法 DKFCM由随机深度卷积网络(Rdnet)及改进的模糊核聚类算法两大模块组成.Rdnet通过降维、随机图块卷积及非线性激活操作的循环,实现对高光谱图像浅层及深层特征的提取,融合这两类特征作为后续聚类识别的输入.改进的模糊核聚类算法先用欧氏距离计算初始聚类中心,再用模糊核聚类的方法以实现海洋资源的准确分类.结果 实验结果表明,DKFCM无监督聚类能有效聚类洋底资源,对锰结核的聚类准确率达到76.59%,相比单用K-means聚类提高了20.99%,相比经Rdnet提取特征后再用K-means聚类提高了13.76%,对比实验表明DKFCM算法在无标签数据的情况下也能达到良好的准确率.结论 本文所提的高光谱深度模糊核聚类方法,实现了深海锰结核的无监督聚类,可以用于海洋资源量的评估.
高光谱图像;深度学习;卷积网络;特征提取;聚类;锰结核
26
TP79(遥感技术)
自然资源部海底科学重点实验室开放基金项目KLSG2002
2021-09-02(万方平台首次上网日期,不代表论文的发表时间)
共10页
1886-1895