10.3969/j.issn.1673-6338.2017.05.013
利用卷积神经网络的高光谱图像分类
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.
高光谱图像、卷积神经网络、光谱信息、支持向量机、分类
34
P237(摄影测量学与测绘遥感)
国家863计划项目2015AA7034057A
2018-07-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
501-507