首页|基于多级特征融合的高光谱遥感影像分类研究

基于多级特征融合的高光谱遥感影像分类研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
针对传统模型对小样本数据集分类时精度低和分类性能不稳定等问题，结合混合卷积网络的特征提取优势，提出一种改进的混合特征提取分类模型。首先以混合卷积神经网络为基础，在 3D特征提取阶段加入一个多深度的单一尺度特征提取块，以提高空谱联合特征提取的判断能力;然后在 2D特征提取阶段，嵌入多尺度交互的注意力模块，用于抑制尺度空间中无效信息的干扰。在Pavia University数据集上进行实验，并与传统模型进行对比。实验结果表明:该方法的总体精度为 95。79%，均优于对比模型的分类结果。

李启洪

展开 >

重庆市测绘科学技术研究院,重庆 401121

高光谱图像分类 混合卷积神经网络 深度学习 特征提取

2024

资源导刊
河南省国土资源厅

资源导刊

影响因子：0.02
ISSN：1674-053X
年,卷(期)：2024.(12)
  • 4