论文摘要
在高光谱遥感图像分类中,针对高光谱遥感图像中的小样本和高维度的特点,提出了一种基于残差三维卷积神经网络的算法。首先,该算法直接以高光谱数据立方体作为输入,利用三维卷积神经网络提取高光谱数据立方体的空谱特征;然后,利用残差学习构建更深层次的网络,提取更具表达能力的深层特征,以提高分类精度;最后,在全连接层采用Dropout方法防止过拟合。实验结果表明,该算法分类精度比现有的基于深度学习的高光谱遥感图像分类方法有显著提升。
论文目录
文章来源
类型: 期刊论文
作者: 丁杰,陈苏婷
关键词: 高光谱遥感图像,卷积神经网络,三维卷积,残差学习
来源: 激光杂志 2019年12期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 南京信息工程大学江苏省气象探测与信息处理重点实验室,江苏省大气环境与装备技术协同创新中心
基金: 国家自然科学基金(No.61302188),中国博士后特别资助基金(No.2012T50510),中国博士后科学基金(No.2011M500940),六大人才高峰资助项目(No.2013-DZXX-020),江苏省高校重大自然科学基金(No.12KJA510001)
分类号: TP751;TP183
DOI: 10.14016/j.cnki.jgzz.2019.12.045
页码: 45-52
总页数: 8
文件大小: 2265K
下载量: 794