摘要
为了减轻卷积神经网络模型对训练样本的依赖性和提高高光谱图像的分类性能,本文提出了一种融合Gabor滤波与3D/2D卷积的高光谱图像分类算法.首先,三维Gabor滤波器用于处理原始高光谱数据以生成空谱隧道信息;其次,利用三维卷积操作提取生成的空谱隧道信息的深层特征;然后,再利用二维卷积进一步提取图像的空间信息;最后,通过Softmax分类器完成高光谱图像分类.为验证模型性能,将提出的方法与CNN、2D-CNN、3D-CNN-LR、SSRN算法在Indi-an Pines、Pavia University、Salinas数据集上进行对比实验.实验结果表明,提出的方法在三个数据集上的总体识别精度分别达到99.51％、99.94％、99.99％,均高于其他方法,能够有效提高分类性能,是一种简单而高效的高光谱图像分类算法.
NETL
NSTL
维普
万方数据