联合空-谱信息的高光谱影像深度三维卷积网络分类

• 作者: 余旭初 刘冰 张鹏强 谭熊
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 高光谱影像分类 卷积神经网络 三维卷积 残差学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 53-63
• 页数: 11页
• 分类号: P237
• 字数: 7088字
• 语种: 中文

摘要

针对高光谱影像分类高维和小样本的特点, 提出一种基于深度三维卷积神经网络的高光谱影像分类方法.首先, 该方法直接以高光谱数据立方体为输入, 利用三维卷积操作提取高光谱数据立方体的三维空-谱特征.然后, 利用残差学习构建深层网络, 提取更高层次的特征表达, 以提高分类精度.最后, 采用Dropout正则化方法防止过拟合.利用Pavia大学、Indian Pines和Salinas 3组高光谱数据进行试验验证, 结果表明, 与支持向量机和现有的基于深度学习的高光谱影像分类方法相比, 该方法能有效提高高光谱影像的地物分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余旭初		92	837	15.0	26.0
2	张鹏强		37	313	9.0	16.0
3	刘冰		19	29	3.0	5.0
4	谭熊		26	151	6.0	12.0