特征重标定网络的高光谱影像分类方法

论文摘要

高光谱影像特征的利用率对提高其分类精度具有重要意义。为充分利用影像的特征,提出了一种特征重标定网络的高光谱影像分类方法。该方法通过全局平均池化将特征图转换为具有全局信息的实数,利用全连接层与非线性层生成能够代表各通道相对重要性的权值,进而采取加权法完成初始特征的重标定。为验证该方法的有效性,选取PaviaU和KSC两组高光谱影像数据进行实验。结果表明,提出方法总体分类精度分别达到98.38%和95.61%,可为高光谱影像提供有效的类别判定特征,有助于提高影像分类精度并获取平滑的分类结果图。

论文目录

• 1 算法描述
•   1.1 特征重标定原理
•   1.2 FRN高光谱影像分类算法
•     1.2.1 网络结构
•     1.2.2 算法流程
• 2 实验数据与设置
•   2.1 实验数据
•   2.2 参数设置
• 3 实验结果与分析
• 4 结论与展望

文章来源

类型: 期刊论文

作者: 职露,余旭初,谭熊,赵传,刘辉

关键词: 高光谱影像,特征提取,分类,卷积神经网络,特征重标定

来源: 测绘科学技术学报 2019年03期

年度: 2019

分类: 基础科学

专业: 自然地理学和测绘学

单位: 华北水利水电大学,信息工程大学

基金: 河南省科技攻关计划项目(182102210148)

分类号: P237

页码: 269-274

总页数: 6

文件大小: 4740K

下载量: 103