首页|基于三维卷积神经网络与超像素分割的高光谱分类

基于三维卷积神经网络与超像素分割的高光谱分类

Hyperspectral Classification Based on 3D Convolutional Neural Network and Super Pixel Segmentation

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
高光谱遥感数据具有详细的地物光谱与空间信息.针对高光谱数据空间信息在以往分类方法中未得到充分利用而导致鲁棒性与分类精度较低的问题,提出了一种改进的超像素分割与三维卷积神经网络分类方法.该方法首先通过超像素分割与模糊聚类对高光谱遥感数据进行区域分割,再使用三维卷积神经网络对得到的区域分割结果与高光谱数据形成的空-谱联合数据进行训练与分类.通过对空间区域进行划分融合,所提方法提升空间信息在分类中的作用,减小"同物异谱"现象对分类的影响,同时引入三维卷积神经网络对空-谱联合数据进行训练与分类,提升了高光谱分类精度.所提方法在Pavia University和Salinas数据集的总体准确率为97.53％和98.48％,与各对照实验相比,具有更为良好的分类效果,验证了所提方法的有效性.

国强、彭龙

展开 >

哈尔滨工程大学物理与光电工程学院,黑龙江哈尔滨150001

图像处理 高光谱数据 超像素分割 模糊聚类 三维卷积神经网络

国家重点研发计划战略性国际科技创新合作重点专项国家自然科学基金

2018YFE020650062071140

2021

10.3788/AOS202141.2210001

光学学报
中国光学学会　中国科学院上海光学精密机械研究所

光学学报

CSTPCDCSCD北大核心
影响因子：1.931
ISSN：0253-2239
年,卷(期)：2021.41(22)
  • 10
  • 6