典型文献
混合卷积神经网络的高光谱图像分类方法
文献摘要：
为了解决高光谱图像领域中,传统卷积神经网络因部分特征信息损失而影响最终地物分类精度的问题,采用一种基于2维和3维的混合卷积神经网络的高光谱图像分类方法,从空间增强、光谱-空间两方面分别进行了特征提取.首先从空间增强角度提出一种3维-2维卷积神经网络混合结构,得到增强后的空间信息;其次从光谱-空间角度利用3维卷积网络结构,得到光谱-空间的综合可分性信息;最后将所得信息进行特征融合并分类.用该方法在两个数据集上进行了实验并与其它方法进行了对比.结果表明,该方法在Indian Pines与Pavia University数据集上分别取得了99.36％和99.95％的分类精度,其分类精度和kappa系数都优于其它方法.该方法对高光谱图像的分类表现出竞争优势.
文献关键词：
遥感;高光谱图像分类;混合卷积神经网络;光谱-空间特征;特征提取
中图分类号：
作者姓名：
刘翠连;陶于祥;罗小波;李青妍
作者机构：
重庆邮电大学 计算机科学与技术学院,重庆400065;重庆邮电大学 空间大数据研究中心,重庆400065
文献出处：
引用格式：
[1]刘翠连;陶于祥;罗小波;李青妍-.混合卷积神经网络的高光谱图像分类方法)[J].激光技术,2022(03):355-361
A类：
B类：
混合卷积神经网络,高光谱图像分类,分类方法,图像领域,分特征,特征信息,信息损失,地物分类,分类精度,强角,混合结构,空间信息,空间角度,卷积网络结构,可分性,特征融合,Indian,Pines,Pavia,University,kappa,分类表,空间特征
AB值：
0.261653
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
