典型文献
基于三通道多尺度密集连接网络的高光谱地物分类研究
文献摘要：
由于高光谱图像(Hyperspectral Image,HSI)相比于传统图像除了具有空间信息还包含丰富的光谱信息而被广泛应用于各领域中,同时近几年的研究表明使用神经网络可实现良好的分类效果,因此如何构建网络从而有效利用光谱和空间信息并实现高精度分类成为了一个具有挑战性的课题.基于此,为了对HSI光谱和空间信息进行有效利用,本文提出三通道多尺度模块用于HSI地物分类,该模块充分利用3D卷积层构建三通道结构以实现多尺度特征的提取融合.通过多次堆叠该模块以组成骨干网络,使得网络可提取深层次代表性特征;密集连接的引入则减轻了深层次网络的梯度消失问题,从而保证网络的分类性能.本文使用Indian Pines(IP)、University of Pavia(UP)和Salinas Valley(SV)三个HSI数据集对提出网络进行性能测试.实验结果表明,本文提出网络可有效提取HSI光谱空间特征并取得99.5％以上的分类精确度.
文献关键词：
高光谱图像分类;密集连接;三通道多尺度架构;光谱空间特征提取
中图分类号：
作者姓名：
邓子青;杨晨
作者机构：
贵州大学 大数据与信息工程学院,贵阳550025
文献出处：
引用格式：
[1]邓子青;杨晨-.基于三通道多尺度密集连接网络的高光谱地物分类研究)[J].智能计算机与应用,2022(05):70-75,80
A类：
三通道多尺度架构,光谱空间特征提取
B类：
多尺度密集连接,密集连接网络,地物分类,分类研究,Hyperspectral,Image,HSI,有空,空间信息,光谱信息,分类效果,建网,利用光,多尺度模块,卷积层,通道结构,多尺度特征,特征的提取,堆叠,成骨,骨干网络,代表性特征,梯度消失,分类性能,Indian,Pines,University,Pavia,UP,Salinas,Valley,SV,有效提取,高光谱图像分类
AB值：
0.336458
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。
