利用卷积神经网络的高光谱图像分类

作     者：赵漫丹 任治全 吴高昌 郝向阳 ZHAO Mandan;REN Zhiquan;WU Gaochang;HAO Xiangyang

作者机构：信息工程大学河南郑州450001 清华大学自动化系北京100084 东北大学信息科学与工程学院辽宁沈阳110000 

出 版 物：《测绘科学技术学报》 (Journal of Geomatics Science and Technology)

年 卷 期：2017年第34卷第5期

页      面：501-507页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家863计划项目(2015AA7034057A) 

主　　题：高光谱图像 卷积神经网络 光谱信息 支持向量机 分类 

摘      要：针对高光谱图像分类中对光谱信息利用不足的问题,提出一种基于卷积神经网络在光谱域开展的分类算法。该算法通过构建五层网络结构,逐像素对光谱信息开展分析,将全光谱段集合作为输入,利用神经网络展开代价函数值的计算,实现对光谱特征的提取与分类。实验中采用三组高光谱遥感影像数据进行对比分析,以India Pines数据集为例,提出的基于卷积神经网络的分类方法的分类正确率达到90.16%,比RBF-SVM方法高出2.56%,相比三种传统的深度学习方法高出1%~3%,训练速度也较为理想。实验结果表明,本文所提出的算法充分利用了高光谱图像中逐像素点的光谱域信息,能够有效提高分类正确率。与传统学习算法相比,在较少训练样本的情况下,更能发挥其良好的分类性能。