典型文献
基于密集连接和空谱变换器的双支路高光谱图像分类模型
文献摘要：
为了减少高光谱图像的训练样本,同时得到更好的分类结果,本文提出了一种基于密集连接网络和空谱变换器的双支路深度网络模型.该模型包含两个支路并行提取图像的空谱特征.首先,两支路分别使用3D和2D卷积对子图像的空间信息和光谱信息进行初步提取,然后经过由批归一化、Mish函数和3D卷积组成的密集连接网络进行深度特征提取.接着两支路分别使用光谱变换器和空间变换器以进一步增强网络提取特征的能力.最后两支路的输出特征图进行融合并得到最终的分类结果.模型在Indian Pines、University of Pavia、Salinas Valley和 Kennedy Space Center数据集上进行了测试,并与6种现有方法进行了对比.结果表明,在Indian Pines数据集的训练集比例为3%,其他数据集的训练集比例为0.5%的条件下,算法的总体分类精度分别为95.75%、96.75%、95.63%和98.01%,总体性能优于比较的方法.
文献关键词：
高光谱图像分类;光谱变换器;空间变换器;密集连接网络;双支路深度网络模型
中图分类号：
作者姓名：
李鑫伟;杨甜
作者机构：
北京林业大学 理学院,北京 100083
文献出处：
引用格式：
[1]李鑫伟;杨甜-.基于密集连接和空谱变换器的双支路高光谱图像分类模型)[J].红外技术,2022(11):1210-1219
A类：
双支路深度网络模型,光谱变换器,空间变换器
B类：
高光谱图像分类,分类模型,训练样本,密集连接网络,空谱特征,两支,2D,对子,子图像,空间信息,光谱信息,批归一化,Mish,深度特征提取,提取特征,特征图,Indian,Pines,University,Pavia,Salinas,Valley,Kennedy,Space,Center,训练集,分类精度,总体性能
AB值：
0.241593
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。
