摘要
为了解决传统高光谱图像分类方法精度低、计算成本高及未能充分利用空-谱信息的问题,本文提出一种基于多维度并行卷积神经网络(multidimensional parallel convolutional neural net-work,3D-2D-1DPCNN)的高光谱图像分类方法.首先,该算法利用不同维度卷积神经网络(con-volutional neural network,CNN)提取高光谱图像信息中的空-谱特征、空间特征及光谱特征;之后,采用相同并行卷积层将组合后的空-谱特征、空间特征及光谱特征进行特征融合;最后,通过线性分类器对高光谱图像信息进行精准分类.本文所提方法不仅可以提取高光谱图像中更深层次的空间特征和光谱特征信息,同时能够将光谱图像不同维度的特征进行融合,减小计算成本.在In-dian Pines、Pavia Center和Pavia University数据集上对本文算法和4种传统算法进行对比实验,结果表明,本文算法均得到最优结果,分类精度分别达到了 99.210％、99.755％和99.770％.
基金项目
国家自然科学基金(620630271)
内蒙古自治区科技计划(2020GG0048)
内蒙古自治区自然科学基金(2019MS06002)
内蒙古自治区高等学校青年科技英才支持计划(NJYT22057)
NETL
NSTL
维普
万方数据