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
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
相关论文文献
标签:高光谱遥感图像分类论文; 深度学习论文; 卷积神经网络论文; 主成分分析论文;