融合多层特征SENet和多尺度宽残差的高光谱图像地物分类

• 作者: 于慧伶 张怡卓 霍镜宇
• 来源期刊: 实验室研究与探索
• 学科: 工学
• 关键词: 高光谱图像分类 地物分类 主成分分析法 多层特征SENet 多尺度宽残差 加权平均
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 实验技术
• 页码范围: 28-34,44
• 页数: 8页
• 分类号: TP751
• 字数: 6527字
• 语种: 中文

摘要

提出了一种融合多层特征SENet和多尺度宽残差的高光谱图像地物分类的方法.实验选取Indian Pines和Pavia University为研究对象,结果表明,SE-Inception-Resnet-MSWideResnet(SEIR-MSWR)网络结构的总体分类精度为99.33％、99.52％,Kappa系数为0.98时,分类效果最优,相较于支持向量机(Support Vector Machine,SVM)、K最近邻法(K-NearestNeighbor,KNN),宽残差网络(Wide Resnet Network,WRN)以及InceptionV2-Resnet,总体分类精度分别提高了20.86％、20.09％、5.48％、3.39％、23.1％、16.89％、6.66％、2.58％,Kappa系数分别提高了0.18、0.17、0.06、0.04、0.22、0.17、0.07、0.03,均表现出良好的性能.该方法更好地提取了高光谱图像的本质特征,进而提高了高光谱图像地物的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张怡卓	东北林业大学机电工程学院	52	196	8.0	11.0
2	于慧伶	东北林业大学信息与计算机工程学院	39	221	7.0	14.0
3	霍镜宇	东北林业大学信息与计算机工程学院	2	0	0.0	0.0