论文摘要
为提高高光谱遥感图像的分类精度,通过局部保留判别式分析与深度卷积神经网络（DCNN）算法,提出了基于局部保留降维卷积神经网络的高光谱图像分类算法。首先,用局部保留判别式分析对高光谱数据降维,再用二维Gabor滤波器对降维后的高光谱数据进行滤波,生成空间隧道信息;其次,用卷积神经网络对原始高光谱数据进行特征提取,生成光谱隧道信息;再次,融合空间隧道信息与光谱隧道信息,形成空间-光谱特征信息,并将其输入到深度卷积神经网络,提取更加有效的特征;最后,采用双重优选分类器对最终提取的特征进行分类。将本文方法与CNN、PCA-SVM、CD-CNN和CNN-PPF等算法在Indian Pines、University of Pavia高光谱遥感数据库上进行性能比较。在Indian Pines、University of Pavia数据库上,本文算法识别的整体精度比传统CNN方法的整体精度分别高3. 81个百分点与6. 62个百分点。实验结果表明,本文算法无论在分类精度还是Kappa系数都优于另外4种算法。
论文目录
文章来源
类型: 期刊论文
作者: 齐永锋,李发勇
关键词: 高光谱图像,特征,局部保留降维,空谱结合,深度学习,双重优选分类器
来源: 农业机械学报 2019年03期
年度: 2019
分类: 农业科技,工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 西北师范大学计算机科学与工程学院
基金: 甘肃省高等学校科研项目(2016A-004),甘肃省科技计划项目(18JR3RA097)
分类号: TP751;TP183
页码: 136-143
总页数: 8
文件大小: 596K
下载量: 436