基于生成式对抗网络的高光谱影像分类

作     者：郑猛猛 葛小三 ZHENG Mengmeng;GE Xiaosan

作者机构：河南理工大学测绘与国土信息工程学院河南焦作454003 

出 版 物：《遥感信息》 (Remote Sensing Information)

年 卷 期：2024年第39卷第1期

页      面：83-92页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：河南省自然科学基金(222300420450) 国家自然科学基金(41572341) 

主　　题：高光谱图像分类 生成式对抗网络 分类方法 深度学习 

摘      要：高光谱遥感影像智能解译是实现高光谱遥感应用的重要研究任务之一。针对生成式对抗网络在高光谱遥感影像分类中空谱特征利用不足的问题,提出了一种基于CVAE-GAN的高光谱遥感影像分类对抗网络算法(hyperspectral remote sensing classification based on CVAE-CGAN,HCVAE-CGAN),通过搭建1D-CNN分类模型和2D-CNN分类模型,训练判别器识别空谱特征,利用CVAE替代生成器结构生成影像光谱特征和空间特征,通过encode模块处理训练集得到空谱特征值,并将空谱特征值解码生成图像光谱,随后比对原始图像进行decode网络模型的优化,最后利用生成样本对分类器进行训练。实验结果表明,HCVAE-CGAN方法在小样本训练中有更好的检测性能,在Indian Pines和Pavia University数据集中的总体精度分别提高了2.85个百分点和3.92个百分点。