基于深度卷积神经网络的高光谱遥感图像分类

• 作者: 李明奇 李江 罗建华 郑泽忠
• 来源期刊: 西华大学学报(自然科学版)
• 学科: 工学
• 关键词: 高光谱遥感图像 卷积神经网络 特征提取 logistic回归分类器 分类精度 可行性 有效性
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 计算机软件理论、技术与应用
• 页码范围: 13-20
• 页数: 8页
• 分类号: TP391.41
• 字数: 5276字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-159X.2017.04.003

摘要

传统的高瀑布图像分类模型只考虑光谱特征信息,忽略了图像空间结构信息在分类中的重要作用.为提高高光谱遥感图像的分类精度,提出一种同时利用高瀑布图像的光谱信息和空间信息的深度卷积神经网络分类模型.通过对低层特征自动分层地学习来提取更加抽象的高层特征,提取的特征具有平移、缩放及其他形式扭曲等高度不变性;基于学习到的深度特征,用logistic回归分类器进行分类训练.高光谱数据实验结果表明,深度卷积神经网络模型能够提高高光谱遥感图像的分类精度,从而验证了深度卷积神经网络进行高瀑布图像分类的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明奇	电子科技大学数学科学学院	22	67	4.0	7.0
2	郑泽忠	电子科技大学资源与环境学院	7	43	4.0	6.0
3	罗建华	电子科技大学数学科学学院	1	22	1.0	1.0