基于三维残差网络和虚拟样本的高光谱图像分类方法研究

• 作者: 付民 刘雪峰 孟月 王浩
• 来源期刊: 现代电子技术
• 关键词: 高光谱图像 图像分类 深度学习 参数优化 三维残差网络 实验验证
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 前沿交叉科学
• 页码范围: 145-150
• 页数: 6页
• 分类号: TN911.73-34
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.12.035

摘要

利用高光谱数据所包含的丰富信息,可以实现对地物的精细准确分类和目标检测.目前,深度学习方法已应用于高光谱图像的分类,但是高光谱图像的维度高和样本少,仍然是对目标精确分类的瓶颈.残差网络通过从输入到输出添加跳跃连接,可以更方便地优化参数并提取更多功能信息.文中提出一种基于三维残差网络的分类方法,利用三维卷积核同时获取高光谱图像的空间和光谱信息.为了减少网络对参数初始化的依赖并在一定程度上提高模型的泛化能力,文中使用批量归一化方法来优化网络.同时,为了解决训练样本不足的问题,还提出引入虚拟样本以增加样本数量.通过在真实的高光谱图像上进行实验验证,证明所提方法在高光谱图像分类方面具有一定的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王浩	青岛科技大学自动化与电子工程学院	15	58	6.0	7.0
2	刘雪峰	青岛科技大学自动化与电子工程学院	6	20	2.0	4.0
3	付民	中国海洋大学信息科学与工程学院	8	48	4.0	6.0
4	孟月	青岛科技大学自动化与电子工程学院	1	0	0.0	0.0