基于多尺度3D-2D卷积神经网络的高光谱图像分类

作     者：吴俊峰 高龙 王超 徐从安 闫文君 WU Junfeng;GAO Long;WANG Chao;XU Congan;YAN Wenjun

作者机构：海军航空大学山东烟台264000 

基　　金：国家自然科学基金(61790550,61790554,61971432,62022092) 中国科协青年人才托举工程基金(2020-JCJQQT-011) 

出 版 物：《海军航空大学学报》 (Journal of Naval Aviation University)

年 卷 期：2022年第37卷第5期

页      码：361-367,374页

摘      要：设计提出了1种针对高光谱图像分类任务的3D-MSCNN模型。在PCA降维的基础上,利用3D空谱特征提取网络和2D多尺度特征提取网络实现高光谱图像特征提取,充分发挥高光谱图像空谱信息价值,增强对不同尺度地表覆盖的表达能力。最后,利用Softmax分类损失函数实现高光谱图像分类任务。实验结果表明,本文算法在In⁃dian Pines和Pavia University数据集上都取得了较好的分类效果。与CD-CNN、3D-CNN、SS-Net和HybirdSN等方法相比,本文算法能够有效提升总体精度、平均精度和Kappa系数等客观评价指标。

主 题 词：高光谱图像分类 3D卷积神经网络 多尺度 

学科分类：0810[工学-土木类] 08[工学] 081002[081002] 

D　O　I：10.7682/j.issn.2097-1427.2022.05.001

馆 藏 号：203115513...