结合双深度学习特征的高光谱遥感图像分类

• 作者: 曾锐 陈锻生
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 卷积神经网络 保边松弛 特征提取 特征拼接
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 图形与图像技术研究及其他
• 页码范围: 396-400
• 页数: 5页
• 分类号: TP391
• 字数: 5146字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2018.02.038

摘要

光谱信息和空间信息相结合在高光谱遥感图像分类领域是提高分类准确率的一种手段.因此提出了结合两种光谱-空间特征的分类方法:一种是使用保边松弛算法对图像进行保边去噪预处理,然后使用卷积神经网络提取光谱维的特征;另一种是先对预处理后的图像的光谱维降维,取像素的一定邻域大小形成的图像块,并使用另外一个卷积神经网络提取图像块的空间特征;然后将这两个提取的特征串行拼接,最后使用支持向量机进行分类.为了验证本文提出的方法的有效性,在两个常用的高光谱图像数据集进行分类实验,结果显示提取的两种特征光谱-空间特征结合后能有效提高图像分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈锻生	华侨大学计算机科学与技术学院	75	955	16.0	28.0
2	曾锐	华侨大学计算机科学与技术学院	1	9	1.0	1.0