结合协方差池化与跨尺度特征提取的高光谱分类

作     者：汪乐 彭江涛 陈娜 孙伟伟 WANG Le;PENG Jiangtao;CHEN Na;SUN Weiwei

作者机构：湖北大学数学与统计学学院应用数学湖北省重点实验室武汉430062 宁波大学地理与空间信息技术系宁波315211 宁波大学遥感遥测产业技术研究院宁波拾烨智能科技有限公司宁波315211 

基　　金：国家重点研发计划(编号:2020YFA0714200) 湖北省自然科学基金(编号:2021CFA087) 国家自然科学基金(编号:42171351,42122009) 浙江省“尖兵”“领雁”研发攻关计划(编号:2023C01027) 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2024年第28卷第1期

页      码：203-218页

摘      要：深度卷积神经网络在高光谱图像分类任务上取得了优越性能。但是,主流深度学习算法通常采用一阶池化运算,容易忽略光谱之间的相关性,因而难以获取高阶统计判别特征。另外,这类算法往往难以选择最优的窗口大小去捕获不同感受野信息。针对上述问题,本文提出了一种结合协方差池化和跨尺度特征提取的高光谱影像分类方法。该方法设计了跨尺度自适应特征提取模块,能够自动提取多尺度特征,获取不同视野的互补信息,避免了尺度选择问题;进一步利用平均池化和快速协方差池化的联合池化操作,得到一阶统计量和结合空间光谱信息的二阶统计量;最终,将一阶和二阶池化特征进行融合用于分类。在3个公开高光谱数据集Indian Pines、Houston和Pavia University上分别随机选取5%、5%和1%标记样本进行训练,本文算法得到的总体分类精度分别达到97.63%、98.48%和98.21%,分类性能优于主流深度学习方法。

主 题 词：高光谱图像分类 协方差池化 多尺度 特征融合 卷积神经网络 

学科分类：070801[070801] 07[理学] 070601[070601] 08[工学] 0708[理学-地球物理学类] 0706[理学-大气科学类] 0816[工学-纺织类] 

核心收录：

D　O　I：10.11834/jrs.20242326

馆 藏 号：203126098...