基于局部保留降维卷积神经网络的高光谱图像分类算法

摘要：

为提高高光谱遥感图像的分类精度,通过局部保留判别式分析与深度卷积神经网络(DCNN)算法,提出了基于局部保留降维卷积神经网络的高光谱图像分类算法.首先,用局部保留判别式分析对高光谱数据降维,再用二维Gabor滤波器对降维后的高光谱数据进行滤波,生成空间隧道信息;其次,用卷积神经网络对原始高光谱数据进行特征提取,生成光谱隧道信息;再次,融合空间隧道信息与光谱隧道信息,形成空间-光谱特征信息,并将其输入到深度卷积神经网络,提取更加有效的特征;最后,采用双重优选分类器对最终提取的特征进行分类.将本文方法与CNN、PCA-SVM、CD-CNN和CNN-PPF等算法在Indian Pines、University of Pavia高光谱遥感数据库上进行性能比较.在Indian Pines、University of Pavia数据库上,本文算法识别的整体精度比传统CNN方法的整体精度分别高3.81个百分点与6.62个百分点.实验结果表明,本文算法无论在分类精度还是Kappa系数都优于另外4种算法.

关键词：高光谱图像、Gabor特征、局部保留降维、空-谱结合、DCNN深度学习、双重优选分类器

所属期刊栏目：50

分类号：TP391.9(计算技术、计算机技术)

资助基金：甘肃省高等学校科研项目2016A-004;甘肃省科技计划项目18JR3RA097

在线出版日期：2019-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：136-143