• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《计算机科学》 >面向高光谱图像分类的局部Gabor卷积神经网络

面向高光谱图像分类的局部Gabor卷积神经网络

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

cqvip:针对高光谱图像特征利用不足的问题,提出了一种新的基于空谱联合特征的高光谱图像分类方法。该方法首先利用主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminant Analysis,LDA)对高光谱图像进行组合降维;其次引入Gabor核,设计了一种基于Gabor核的卷积(Local Gabor Convolutional,LGC)层;最后基于LGC层设计了一个新的卷积神经网络(Local Gabor Convolutional Neural Network,LGCNN)进行分类。在Indian Pines和Salinas Scene数据集上对所提方法进行验证,并将其与其他经典分类方法进行比较。实验结果表明,该方法不仅能大幅度减少可学习的参数,降低模型复杂度,而且具备较好的分类性能,其总体精度达到99%,平均分类精度达到98%以上,Kappa系数达到98%以上。

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