首站-论文投稿智能助手
典型文献
基于3D-CNN的高光谱遥感图像分类算法
文献摘要:
现有的三维卷积神经网络(Three-dimensional convolutional neural network,3D-CNN)模型常有参数过多和特征提取不全面的情况,并且对样本标签有限问题的处理存在不足.针对样本标签有限的问题,采用生成式对抗网络模型对原始数据进行数据增强,解决了个别样本标签少导致分类模型出现过拟合的现象;针对3 D-CNN网络提取特征不全面的问题,所设计高效的3 D-CNN网络模型,在网络中加入纹理信息增强模型,使网络能更好地提取图像的空谱特征.实验表明,算法在小样本数据情况下比原始网络分类精度更高,能自适应提取高光谱图像的空谱联合特征.
文献关键词:
高光谱图像分类;生成式对抗网络;卷积神经网络;数据增强
作者姓名:
王立国;杨峰;石瑶;杨京辉
作者机构:
哈尔滨工程大学 信息与通信工程学院,哈尔滨150001;大连民族大学 信息与通信工程学院,大连116600;中国地质大学(北京) 信息工程学院,北京100083
引用格式:
[1]王立国;杨峰;石瑶;杨京辉-.基于3D-CNN的高光谱遥感图像分类算法)[J].黑龙江大学自然科学学报,2022(01):96-105
A类:
B类:
高光谱遥感图像,遥感图像分类,图像分类算法,三维卷积神经网络,Three,dimensional,convolutional,neural,network,样本标签,签有,生成式对抗网络模型,原始数据,数据增强,别样,分类模型,过拟合,提取特征,纹理信息,信息增强,增强模型,空谱特征,小样本数据,分类精度,自适应提取,空谱联合,联合特征,高光谱图像分类
AB值:
0.363714
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。