利用残差密集网络的高光谱图像分类

作     者：魏祥坡 余旭初 谭熊 刘冰 Wei Xiangpo;Yu Xuchu;Tan Xiong;Liu Bing

作者机构：信息工程大学 

基　　金：国家自然科学基金(41801388) 河南省科技攻关计划项目(152102210014) 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2019年第56卷第15期

页      码：87-95页

摘      要：卷积神经网络模型能够提取图像不同层次的分层特征,提取图像包含有大量的细节信息,然而,现有方法没有充分利用网络模型提取的所有分层特征。为了充分利用所有分层特征,增强特征重利用和信息连续传递,设计了适用于高光谱图像分类的残差密集网络模型。残差密集网络结合了残差网络和密集网络,包括浅层特征提取、残差密集单元和密集特征融合三部分。利用卷积操作提取原始图像的浅层特征,将浅层特征作为残差密集单元的输入,残差密集单元的输出与下一个单元中每个卷积层的输出建立短连接,实现了信息连续传递;将两个单元提取的密集特征与浅层特征相加形成全局残差学习,实现了所有分层特征的融合,最终的融合特征用于高光谱图像分类。实验表明,本文方法用于Indian Pines数据、University of Pavia数据及Salinas数据能够分别取得98.71%、99.31%及97.91%的分类精度,有效提高了高光谱图像的分类精度,增强了分类方法的稳定性。

主 题 词：图像处理 高光谱图像 残差学习 密集网络 残差密集网络 

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

核心收录：

D　O　I：10.3788/LOP56.151006

馆 藏 号：203776943...