基于超像素图卷积网络的高光谱图像分类
高光谱图像分类是遥感领域中一个具有挑战性的问题.基于深度学习框架的高光谱图像分类方法,由于其良好的分类性能受到了越来越多的关注.然而,这些方法普遍存在的问题为:模型的训练不仅需要大量的时间,而且还需要大量的标签样本.针对此问题,本文提出了一种基于超像素图卷积网络的高光谱图像分类方法.该方法以超像素作为图的节点,极大地减小了图的规模,从而提高了分类效率;提出的超像素合并技术能有效地融合光谱-空间信息,增强了空间信息在分类中的作用;为了验证该方法的有效性,在Indian Pines、Pavia University两个实际数据集上进行试验,并与一些先进的基于深度学习框架的高光谱图像分类方法进行比较.结果表明,本文方法在分类精度和分类效率上均优于其他方法.
高光谱图像、图卷积网络、超像素、分类
P237(摄影测量学与测绘遥感)
国家自然科学基金;国家自然科学基金;辽宁省教育厅项目
2023-02-20(万方平台首次上网日期,不代表论文的发表时间)
共4页
84-87