利用EMAP与多项式网络的高光谱影像分类

摘要：

高光谱影像地物分类已成为高光谱的重要应用之一，然而如何在小样本时取得优秀的分类结果已成为研究的难点与热点。最近几年，深度学习理论开始用于高光谱数据分析。本文提出了一种基于扩展多属性剖面（ex tended multi‐attribute profile ，EMAPs）和深度多项式网络（polynomial networks）的高光谱影像分类方法。首先，EMAPs通过一系列的属性滤波器提取影像多种结构特性的形态学纹理特征，并与影像光谱特征结合构成新的特征矢量。接着利用深度多项式网络对新特征矢量进行学习，构建多层次网络结构，在迭代的过程中逐层降低训练误差，实现优秀的分类结果。高光谱影像分类实验表明，所提方法性能优于多种分类方法。

关键词：高光谱、扩展的多属性剖面、深度学习、多项式网络、分类

所属期刊栏目：39

分类号：TP751.1(遥感技术)

在线出版日期：2016-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：100-105