基于多尺度卷积神经网络的高光谱图像分类算法

基金项目: (甘肃省高等学校科研项目)%(甘肃省科技计划项目)

详细信息

Hyperspectral Image Classification Algorithm Based on Multiscale Convolutional Neural Network

摘要: 为了提高高光谱图像的分类精度,提出了一种基于多尺度卷积神经网络的高光谱图像分类算法.首先,利用等距特征映射算法处理高光谱数据,以挖掘数据的非线性特性,保持数据点的内在几何性质;然后,构建以标记像元为中心的训练图像块,训练多尺度卷积神经网络;最后,利用softmax分类器预测测试像元的标签.提出的方法在Indian Pines、University of Pavia和Salinas scene高光谱遥感数据集上进行分类实验,并与CNN、R-PCA CNN、CNN-PPF、CD-CNN等算法进行性能比较.实验结果表明,在3个数据集上提出的方法的总体识别精度分别达到98.51％、98.64％和99.39％,与CNN算法相比分别提高了约8.35％、6.37％和7.81％.本文提出的方法无论是在分类精度还是Kappa系数上都优于另外4种方法,是一种较好的高光谱遥感数据分类方法.
- 高光谱图像 /
- 等距特征映射 /
- 多尺度卷积神经网络 /
- 分类

1.	李永刚，王怀民，杨海民，郭力兵，胡上成. 基于多输出的多传感器在线航迹融合方法. 现代雷达. 2024(08): 55-58 . 百度学术
2.	韩玉仁，李铁军，杨冬. 增强现实中三维跟踪注册技术概述. 计算机工程与应用. 2019(21): 26-35 . 百度学术