基于超像素分割与卷积神经网络的高光谱图像分类
针对卷积神经网络(CNN)在分类高光谱图像时空-谱特征利用率不足和分类效率低的问题,提出基于超像素分割与CNN的高光谱图像分类方法.首先利用主成分分析(PCA)提取图像的前12个成分后对前3个主成分进行滤波,对滤波后的3个波段进行超像素分割;然后将样本点映射到超像素内,使其以超像素而不是像素为基本的分类单元;最后利用CNN进行图像分割.在两个公共的数据集WHU-Hi-Longkou和WHU-Hi-HongHu上进行实验,实验结果表明,相比仅利用光谱信息的方法,融合空-谱特征信息的方法的精度得到提升,在两个数据集上的分类精度分别达 99.45%和97.60%.
超像素、卷积神经网络、主成分分析、空-谱特征融合、滤波
60
TP751(遥感技术)
2023-09-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
156-164