HSI-CNN:小样本高光谱遥感图像深度学习方法

摘要

高光谱遥感图像光谱信息维度大,标注训练样本较少,深度学习如何在小样本数据上进行特征提取是一个关键问题.本文提出适合小训练样本的高光谱遥感图像分类框架HSI-CNN,减少模型参数数量的同时保持神经网络深度.首先,通过主成分分析方法进行图像模式不变性以及光谱通道贡献率分析,消除光谱冗余信息.其次,设计了适用于小样本高光谱遥感图像的全卷积神经网络结构,有效降低网络参数数量.提出三种HSI-CNN结构,并对不同结构进行了比较分析.在高光谱遥感数据集Pavia University以及Salinas上的实验结果表明,HSI-CNN能够利用少量训练样本有效地提取光谱特征信息,取得了较优的分类性能.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号