利用卷积神经网络的高光谱图像分类

摘要：

针对高光谱图像分类中对光谱信息利用不足的问题,提出一种基于卷积神经网络在光谱域开展的分类算法.该算法通过构建五层网络结构,逐像素对光谱信息开展分析,将全光谱段集合作为输入,利用神经网络展开代价函数值的计算,实现对光谱特征的提取与分类.实验中采用三组高光谱遥感影像数据进行对比分析,以India Pines数据集为例,提出的基于卷积神经网络的分类方法的分类正确率达到90.16％,比RBF-SVM方法高出2.56％,相比三种传统的深度学习方法高出1％～3％,训练速度也较为理想.实验结果表明,本文所提出的算法充分利用了高光谱图像中逐像素点的光谱域信息,能够有效提高分类正确率.与传统学习算法相比,在较少训练样本的情况下,更能发挥其良好的分类性能.

关键词：高光谱图像、卷积神经网络、光谱信息、支持向量机、分类

所属期刊栏目：34

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家863计划项目2015AA7034057A

在线出版日期：2018-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：501-507