利用EMAP与多项式网络的高光谱影像分类

• 作者: 王扣准 黄睿
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 高光谱 扩展的多属性剖面 深度学习 多项式网络 分类
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 【信息技术及图像处理】
• 页码范围: 100-105
• 页数: 6页
• 分类号: TP751.1
• 字数: 3599字
• 语种: 中文

摘要

高光谱影像地物分类已成为高光谱的重要应用之一，然而如何在小样本时取得优秀的分类结果已成为研究的难点与热点。最近几年，深度学习理论开始用于高光谱数据分析。本文提出了一种基于扩展多属性剖面（ex tended multi‐attribute profile ，EMAPs）和深度多项式网络（polynomial networks）的高光谱影像分类方法。首先，EMAPs通过一系列的属性滤波器提取影像多种结构特性的形态学纹理特征，并与影像光谱特征结合构成新的特征矢量。接着利用深度多项式网络对新特征矢量进行学习，构建多层次网络结构，在迭代的过程中逐层降低训练误差，实现优秀的分类结果。高光谱影像分类实验表明，所提方法性能优于多种分类方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王扣准	上海大学通信与信息工程学院	2	3	1.0	1.0
2	黄睿	上海大学通信与信息工程学院	13	38	4.0	5.0