重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (11): 126-135.

• 信息·计算机 • 上一篇    下一篇

两阶段密集特征学习的高光谱图像分类方法

李 达１，刘睬瑜２，韩 睿２，宋梅萍２   

  1. １．南方电网综合能源股份有限公司 新能源事业部； ２．大连海事大学 信息科学技术学院
  • 出版日期:2021-12-13 发布日期:2021-12-13
  • 作者简介:李达，男，博士，高级工程师，主要从事光谱图像处理、光伏组件维护研究

  • Online:2021-12-13 Published:2021-12-13

PDF (PC)

240

赞

摘要： 基于卷积神经网络（ＣＮＮ）的高光谱图像分类方法不断取得进展，而谱 －空特征的高 复杂性及低效描述仍是抑制高光谱分类精度提升的主要屏障。针对该问题，提出了一种基于密集 型（Ｄｅｎｓｅ）谱 －空特征挖掘的两阶段集成高光谱图像分类学习框架，在第一阶段进行显著波段选 择，分别构建 ２Ｄ及 ３ＤＤｅｎｓｅ深层网络以提升高光谱数据的空间与谱间特征表达能力，在第二阶 段构建分类 ＣＮＮ网络将融合之后的谱 －空特征进一步挖掘，以提高分类特征的精细化程度。整 个集成学习网络基于交叉熵损失函数进行训练学习，同时利用全连接网络构建了一种基于波段相 关性的显著性波段选择方法以降低训练过程中的谱 －空数据复杂度。在 Ｐｕｒｄｕｅ和 ＫＳＣ数据集上 的实验结果表明：此方法对比其他方法的分类精度有较大提升。

关键词: 高光谱, 卷积神经网络, 谱 －空特征, 训练, 分类

中图分类号: 

  • TP75