地理信息世界

2020, v.27;No.141(03) 42-48

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于光谱-空间残差网络模型的高光谱遥感图像分类
Hyperspectral Remote Sensing Image Classification Based on the Spectral-spatial Residual Network Model

韦春桃;肖博林;李倩倩;白风;卢志豪;

摘要(Abstract):

残差网络是近几年提出的一种新型深度卷积网络,通过增加网络深度提高分类的准确率,也解决了网络退化问题。基于残差学习原理,设计了针对高光谱遥感图像分类的光谱-空间残差网络模型。首先,将原始高光谱遥感数据三维立方体输入网络模型,并使用特定的卷积核对光谱特征进行降维;然后,利用光谱残差模块和空间残差按模块分别且连续地学习光谱和空间特征;最后,对提取到的特征进行池化操作并分类。此外,为规范训练数据和防止过拟合,学习过程中使用了批量归一化和dropout的方法。所设计网络模型在Indian Pines和Pavia U数据集上进行了验证实验,结果表明,所提方法有效地缓解了网络退化的问题,且在分类精度上也高于支持向量机、卷积神经网络等现有算法。

关键词(KeyWords): 高光谱遥感图像分类;残差网络模型;特征提取;批量归一化;dropout

Abstract:

Keywords:

基金项目(Foundation): 重庆市基础科学与前沿技术研究专项重点项目(cstc2015jcyjBX0023)资助

作者(Author): 韦春桃;肖博林;李倩倩;白风;卢志豪;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享