基于TSNE和多尺度稀疏自编码的高光谱图像分类

• 作者: 刘洪超 张倩 梁苗苗 董安国
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 高光谱图像 深度学习 多尺度空间特征 流形学习
• 年，卷（期）: 2019,（21）
• 所属期刊栏目: 图形图像处理
• 页码范围: 176-181
• 页数: 6页
• 分类号: TP75
• 字数: 4566字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0155

摘要

针对高光谱图像存在维数"灾难"、特征以及空间信息利用不足的问题,结合深度学习、流形学习及多尺度空间特征的最新进展,提出了一种TSNE和多尺度稀疏自编码网络的高光谱图像分类算法.利用TSNE算法对高光谱图像进行降维,再对每个像元的邻域进行多尺度空间特征提取,利用加入空谱联合信息的像元训练稀疏自编码网络模型并通过softmax分类器进行分类,减少计算复杂度,提高分类精确度.通过对Indian Pines及Pavia University两组数据进行实验,结果表明,提出的算法与其他五种算法相比分类效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董安国	长安大学理学院	38	135	6.0	9.0
2	张倩	长安大学理学院	22	179	8.0	12.0
3	刘洪超	长安大学理学院	2	0	0.0	0.0
4	梁苗苗	江西理工大学信息工程学院	1	0	0.0	0.0