基于SSAE深度学习特征表示的高光谱遥感图像分类方法

• 作者: 商宏涛 施国良
• 来源期刊: 计算机测量与控制
• 关键词: 高光谱遥感图像分类 堆叠稀疏自动编码器 深度学习 特征表示 支持向量机
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 设计与应用
• 页码范围: 291-294
• 页数: 4页
• 分类号: TP751
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.10.062

摘要

针对遥感图像中高光谱数据的分类问题,提出一种基于堆叠稀疏自动编码器 (SSAE)深度学习特征表示的高光谱遥感图像分类方法;首先,将光谱数据样本进行预处理和归一化;然后,将其输入到 SSAE中进行特征表示学习,并通过网格搜索来获得最优网络参数,以此获得有效的特征表示;最后通过支持向量机 (SVM)分类器对输入图像特征进行分类,最终实现遥感图像中像素的分类;在两个标准数据集上的实验结果表明,该方法能够实现准确的高光谱地物分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施国良	河海大学商学院	38	170	8.0	11.0
2	商宏涛	河海大学商学院	2	3	1.0	1.0