利用卷积神经网络的高光谱图像分类

• 作者: 任治全 吴高昌 赵漫丹 郝向阳
• 来源期刊: 测绘科学技术学报
• 学科: 地球科学
• 关键词: 高光谱图像 卷积神经网络 光谱信息 支持向量机 分类
• 年，卷（期）: 2017,（5）
• 页码范围: 501-507
• 页数: 7页
• 分类号: P237
• 字数: 5094字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6338.2017.05.013

摘要

针对高光谱图像分类中对光谱信息利用不足的问题,提出一种基于卷积神经网络在光谱域开展的分类算法.该算法通过构建五层网络结构,逐像素对光谱信息开展分析,将全光谱段集合作为输入,利用神经网络展开代价函数值的计算,实现对光谱特征的提取与分类.实验中采用三组高光谱遥感影像数据进行对比分析,以India Pines数据集为例,提出的基于卷积神经网络的分类方法的分类正确率达到90.16％,比RBF-SVM方法高出2.56％,相比三种传统的深度学习方法高出1％～3％,训练速度也较为理想.实验结果表明,本文所提出的算法充分利用了高光谱图像中逐像素点的光谱域信息,能够有效提高分类正确率.与传统学习算法相比,在较少训练样本的情况下,更能发挥其良好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝向阳		54	423	11.0	18.0
2	赵漫丹		8	28	3.0	4.0
3	任治全	清华大学自动化系	1	11	1.0	1.0
4	吴高昌	东北大学信息科学与工程学院	4	15	2.0	3.0