基于双通道变分自编码器的高光谱图像分类

• 作者: 刘遵雄 石亚鹏 彭潇雨 王毅宏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 高光谱图像 分类 变分自编码器 空谱联合特征
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 244-251
• 页数: 8页
• 分类号: TP751
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008-0415

摘要

针对现有高光谱图像变分自编码器(variational autoencoder,VAE)分类算法存在空间和光谱特征利用效率低的问题,提出一种基于双通道变分自编码器的高光谱图像深度学习分类算法.通过构建一维条件变分自编码器(conditional variational autoencoder,CVAE)特征提取框架和二维循环通道条件变分自编码(channel-recurrent conditional variational autoencoders,CRCVAE)特征提取框架分别提取高光谱图像的光谱特征和空间特征,将光谱特征向量和空间特征向量叠加形成空谱联合特征向量,将联合特征送入Softmax分类器中进行分类.在Indian pines和Pavia University两种高光谱数据集上进行了分析验证,实验结果显示,与其他算法相比,提出的算法在总分类精度、平均分类精度和Kappa系数等评价指标上至少提高了3.40、2.75和3.57个百分点,结果显示提出的算法得到了最高的分类精度和更好的可视化效果.