计算机应用研究2021，Vol.38Issue(8) ：2526-2529.DOI:10.19734/j.issn.1001-3695.2020.09.0398

基于3D深度胶囊网络的高光谱和LiDAR数据融合分类

3 D-deep capsule network classification for fused hyperspectral and LiDAR data

张雄山 赵艮平 程良伦
计算机应用研究2021，Vol.38Issue(8) ：2526-2529.DOI:10.19734/j.issn.1001-3695.2020.09.0398
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于3D深度胶囊网络的高光谱和LiDAR数据融合分类

3 D-deep capsule network classification for fused hyperspectral and LiDAR data

张雄山 1赵艮平 1程良伦2
扫码查看

作者信息

  • 1. 广东工业大学计算机学院,广州510006;广东工业大学广东省信息物理融合系统重点实验室,广州510006;南宁师范大学北部湾环境演变与资源利用教育部重点实验室,南宁530001;南宁师范大学广西地表过程与智能模拟重点实验室,南宁530001
  • 2. 广东工业大学计算机学院,广州510006;广东工业大学广东省信息物理融合系统重点实验室,广州510006
  • 折叠

摘要

针对高光谱和LiDAR成像优势,通过构建三维深度胶囊网络(3D-deep capsule network,3D-DCN)探索了这两种遥感数据源在城市地物分类上的应用.该网络通过使用两层3D-CNN结构实现融合后数据的非线性特征映射,然后紧跟胶囊网络生成代表特征的矢量并实现卷积、封装和分类;针对胶囊网络层间的非线性激活函数提出一种称为e-squash的非线性激活函数用于特征学习.在城市数据集上的分类实验表明,使用LiDAR高程特征数据极大地改善了高光谱图像分类精度,采用提出激活函数的3D-DCN在城市数据分类方面比经典分类方法和未采用e-squash的胶囊网络具有更大的应用潜力.

关键词

高光谱/LiDAR/地物分类/胶囊网络/e-squash函数

引用本文复制引用

基金项目

出版年

2021
计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
被引量3
参考文献量1
段落导航相关论文