面向高光谱影像分类的生成式对抗网络

• 作者: 余旭初 刘冰 周增华 张鹏强 杨帆 谭熊
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: 高光谱影像分类 小样本 生成式对抗网络 深度学习 生成模型
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 学术研究
• 页码范围: 29-34
• 页数: 6页
• 分类号: P237
• 语种: 中文

摘要

为了提高高光谱影像分类精度,提出了一种基于生成式对抗网络的高光谱影像分类方法.生成式对抗网络由生成器、判别器和分类器3部分组成,其中生成器用于模拟高光谱样本的数据分布,生成特定类别的样本;判别器是一个二值分类器,用于判断输入的样本是否为真实数据;分类器用于对输入的样本进行分类.利用反向传播算法依次更新生成器、判别器和分类器的网络参数使损失函数最小,从而达到训练网络的目的.生成器和判别器能够模拟高光谱影像的样本分布来辅助训练分类器,因此能够提高高光谱影像的分类精度.分别采用Pavia大学和Salinas高光谱数据集进行分类试验,试验结果表明提出的分类方法能够在小样本条件下提高高光谱影像的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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
5	杨帆		3	3	1.0	1.0