基于三维空洞卷积残差神经网络的高光谱影像分类方法

作     者：颜铭靖 苏喜友 Yan Mingjing;Su Xiyou

作者机构：北京林业大学信息学院北京100083 

出 版 物：《光学学报》 (Acta Optica Sinica)

年 卷 期：2020年第40卷第16期

页      面：147-156页

核心收录：

学科分类：0810[工学-信息与通信工程] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 081002[工学-信号与信息处理] 0702[理学-物理学] 

基　　金：北京农业信息技术研究中心开放课题(KF2018W004) 

主　　题：遥感 高光谱影像分类 空洞卷积 三维卷积 残差神经网络 

摘      要：高光谱影像是典型的高维数据,在光谱维和空间维都包含了大量信息。针对高光谱影像分类时光谱维数据量巨大的特点,提出一种基于三维空洞卷积残差神经网络的高光谱影像分类方法。该方法以高光谱像元立方体作为数据输入,使用三维卷积核同时提取高光谱数据的空间维和光谱维特征,并通过在卷积核中引入空洞结构,在不增加网络参数量和不消减数据特征的情况下提高卷积核的感受野,从而提高神经网络的分类的精度。该方法利用残差结构避免了由网络层数加深导致的梯度消失问题,最终使用Softmax分类器完成高光谱像元的分类工作。实验结果表明:所提方法在Indian Pines和Salinas数据集上分别取得了97.303%和97.236%的总体分类精度,与各对照组相比具有更好的分类效果,由此证明所提方法可以提升高光谱影像的分类性能。