改进的基于CNN的高光谱遥感图像分类办法

论文摘要

由于高光谱遥感图像光谱维度大,标注样本相对较少,提出了一种结合主成分分析和改进的二维卷积神经网络的高光谱遥感图像的分类方法。首先,通过主成分分析,降低光谱维度,消除光谱亢余信息。然后,将数据进行分块处理,获得分块数据的样本标签,并将数据分为训练集和验证集,用训练集和验证集训练改进的针对高光谱遥感图像分类的卷积神经网络的参数。最后,将测试集投入训练好的2D-CNN上进行分类,得到分类结果。实验结果表明,提出的模型的分类精度明显提高,从而验证了该方法的有效性和实用性。

论文目录

• 1 高光谱数据处理
•   1.1 主成分分析
•     1.1.1 主成分分析步骤
•     1.1.2 数据patch处理
•   1.2 卷积神经网络
• 3 高光谱分类实验
•   3.1 实验数据
•   3.2 改进的高光图像分类模型
•   3.3 实验结果和分析
• 4 结论

文章来源

类型: 期刊论文

作者: 王莹

关键词: 高光谱遥感图像分类,深度学习,卷积神经网络,主成分分析

来源: 现代商贸工业 2019年35期

年度: 2019

分类: 经济与管理科学,工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 燕山大学理学院

基金: 秦皇岛市科学技术研究与发展基金

分类号: TP751;TP183

DOI: 10.19311/j.cnki.1672-3198.2019.35.110

页码: 204-206

总页数: 3

文件大小: 577K

下载量: 554