基于多尺度3D-2D卷积神经网络的高光谱图像分类

扫码查看

原文链接

万方数据
维普

中文摘要：设计提出了1种针对高光谱图像分类任务的3D-MSCNN模型.在PCA降维的基础上,利用3D空谱特征提取网络和2D多尺度特征提取网络实现高光谱图像特征提取,充分发挥高光谱图像空谱信息价值,增强对不同尺度地表覆盖的表达能力.最后,利用Softmax分类损失函数实现高光谱图像分类任务.实验结果表明,本文算法在In⁃dian Pines和Pavia University数据集上都取得了较好的分类效果.与CD-CNN、3D-CNN、SS-Net和HybirdSN等方法相比,本文算法能够有效提升总体精度、平均精度和Kappa系数等客观评价指标.

外文标题：Hyperspectral Image Classification Based on Multiscale 3D-2D Convolutional Neural Network

作者：

吴俊峰、高龙、王超、徐从安、闫文君

展开 >

作者单位：

海军航空大学,山东烟台264000

关键词：

高光谱图像分类 3D卷积神经网络多尺度

基金：

项目编号：

617905506179055461971432620220922020-JCJQ-QT-011

出版年：

2022

DOI：

10.7682/j.issn.2097-1427.2022.05.001

海军航空大学学报

海军航空工程学院科研部

海军航空大学学报

CSTPCD

影响因子：0.279

ISSN：

年,卷(期)：2022.37(5)

参考文献量25