基于卷积神经网络的高光谱图像分类

• 作者: 余旭初 刘思璇 张鹏强 秦进春 高奎亮
• 来源期刊: 测绘科学与工程
• 学科: 地球科学
• 关键词: 卷积神经网络 高光谱图像分类 深度特征提取 L2正则化
• 年，卷（期）: 2018,（6）
• 页码范围: 34-41
• 页数: 8页
• 分类号: P237

摘要

传统的机器学习方法仅利用浅层光谱信息进行高光谱图像分类,分类精度往往不高。为此,本文基于CNN模型,研究并设计了三种高光谱图像分类模型。这三种模型能够分别从图像中提取深度光谱、空间和空谱联合特征进行分类。为进一步提高分类精度,采用L2正则化方法进行改进,以降低过拟合风险。利用帕维亚大学数据进行实验分析,结果表明,三种基于CNN的分类模型的总体分类性能均优于传统SVM方法,且L2正则化约束能够进一步提高分类精度。