基于卷积神经网络的高光谱图像分类方法

摘要：

为解决在样本有限的情况下高光谱图像分类精度不高的问题,提出一种基于卷积神经网络的高光谱遥感图像分类方法.引入滤波、增加虚拟样本、标准化等预处理技术,使分类模型对地物样本种类和数量的敏感度降低;通过对梯度下降法和学习率计算方法进行优化,降低计算复杂度和计算时间;设计符合高光谱数据特点的网络结构,提高分类方法的泛化性.实验结果表明,与传统分类方法进行比较,该方法有较高的分类精度.

关键词：卷积神经网络、高光谱图像分类、虚拟样本、循环学习率、动量批处理梯度下降

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

在线出版日期：2018-12-05（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：2836-2841