基于深度信念网络的高光谱影像森林类型识别

• 作者: 严洪 罗仙仙 肖美龙 许松芽 陈正超
• 来源期刊: 计算机系统应用
• 关键词: HJ/1A高光谱影像 深度信念网络 森林类型 光谱特征
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 研究开发
• 页码范围: 260-265
• 页数: 6页
• 字数: 4020字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007331

摘要

森林类型分类对森林生态系统管理起重要作用,高光谱影像由于波段多,传统方法先对其进行特征选择或特征提取进行降维处理,再进行图像分类,一定程度影响森林类型识别精度.深度信念网络是一种半监督学习方法,可将高光谱所有波段作为深度信念网络的输入,从而避免降维处理.论文利用深度信念网络对泉州市德化县西部8个乡镇进行森林类型识别研究.基于HJ/1A高光谱图像与二类调查数据,利用Python语言实现高光谱影像森林类型分类,讨论了网络深度和隐藏层单元数对总体精度与Kappa系数的影响.实验结果表明:层数为3,每层节点数为256的网络结构对森林类型识别效果最好,总体精度达85.8％,系数为0.785,好于支持向量机的分类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈正超	中国科学院遥感与数字地球研究所	32	527	13.0	22.0
2	严洪		12	48	4.0	6.0
3	许松芽	泉州师范学院教育科学学院	9	65	3.0	8.0
4	罗仙仙	泉州师范学院数学与计算机科学学院	11	133	5.0	11.0