联合空-谱信息的高光谱影像深度三维卷积网络分类

论文摘要

针对高光谱影像分类高维和小样本的特点,提出一种基于深度三维卷积神经网络的高光谱影像分类方法。首先,该方法直接以高光谱数据立方体为输入,利用三维卷积操作提取高光谱数据立方体的三维空-谱特征。然后,利用残差学习构建深层网络,提取更高层次的特征表达,以提高分类精度。最后,采用Dropout正则化方法防止过拟合。利用Pavia大学、Indian Pines和Salinas 3组高光谱数据进行试验验证,结果表明,与支持向量机和现有的基于深度学习的高光谱影像分类方法相比,该方法能有效提高高光谱影像的地物分类精度。

论文目录

• 1 本文算法
•   1.1 卷积神经网络
•   1.2 三维卷积
•   1.3 残差学习
•   1.4 本文网络结构
• 2 试验结果与分析
•   2.1 试验数据
•   2.2 试验结果与分析
•   2.3 训练样本数量对分类精度的影响
• 3 总结与展望

文章来源

类型: 期刊论文

作者: 刘冰,余旭初,张鹏强,谭熊

关键词: 高光谱影像分类,卷积神经网络,三维卷积,残差学习

来源: 测绘学报 2019年01期

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 信息工程大学

基金: 河南省科技攻关计划(152102210014)~~

分类号: P237

页码: 53-63

总页数: 11

文件大小: 3710K

下载量: 538