基于深度学习的高光谱图像分类算法

• 作者: 孔燕萍 覃亚丽
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 生成对抗网络 卷积神经网络 数据增强 高光谱图像分类
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 计算与测试
• 页码范围: 138-141
• 页数: 4页
• 分类号: TP751
• 字数: 3800字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2020)07-0138-04

摘要

针对高光谱图像信息冗余、标签样本有限、难以提取光谱和空间信息导致分类困难的问题,提出一种基于深度学习的高光谱图像分类算法.通过生成对抗网络进行数据增强,解决样本受限情况下分类精度不高的问题,也避免训练样本过少导致分类网络出现过拟合;设计高效的三维多通道卷积神经网络以提取高光谱图像的空谱联合信息,并挖掘深层特征实现分类.实验表明:提出的算法能自适应提取高光谱图像的空谱联合特征,具有更高的分类精度,并且具有较强的鲁棒性和网络泛化能力,也充分验证了算法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	覃亚丽	浙江工业大学信息工程学院	55	160	6.0	10.0
2	孔燕萍	浙江工业大学信息工程学院	1	0	0.0	0.0