小样本高光谱遥感图像深度学习方法

作     者：石祥滨 钟健 刘翠微 刘芳 张德园 Shi Xiangbin;Zhong Jian;Liu Cuiwei;Liu Fang;Zhang Deyuan

作者机构：沈阳航空航天大学计算机学院辽宁沈阳110136 辽宁大学信息科学与技术学院辽宁沈阳110036 

基　　金：国家自然科学基金(61170185 61602320) 辽宁省博士启动基金(201601172 201601180) 辽宁省教育厅科学研究一般项目(L2014070 L201607) 

出 版 物：《系统仿真学报》 (Journal of System Simulation)

年 卷 期：2018年第30卷第7期

页      码：2744-2752页

摘      要：针对高光谱遥感图像光谱信息维度大,标注训练样本较少的问题,提出适合小训练样本的高光谱遥感图像分类框架HSI-CNN,减少模型参数数量的同时保持神经网络深度。通过主成分分析方法进行图像模式不变性以及光谱通道贡献率分析,消除光谱冗余信息。设计了适用于小样本高光谱遥感图像的全卷积神经网络结构,有效降低网络参数数量。提出3种HSI-CNN结构,并对不同结构进行了比较分析。在高光谱遥感数据集Pavia University和Salinas上的实验结果表明,HSI-CNN能够利用少量训练样本有效地提取光谱特征信息,取得了较优的分类性能。

主 题 词：高光遥感图像分类 深度学习 卷积神经网络 光谱冗余 主成分分析 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.16182/j.issn1004731x.joss.201807039

馆 藏 号：203304843...