• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《光电子．激光》 >一种基于可变形卷积的高光谱图像分类算法

一种基于可变形卷积的高光谱图像分类算法

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

摘要

随着深度学习的不断发展,基于深度学习的机器视觉方法被广泛应用,其中,卷积神经网络(convolutional neural network,CNN)对高光谱图像(hyperspectral imagery,HSI)分类有着显著的效果。传统卷积网络中卷积核的采样位置是固定的,不能根据HSI中复杂的空间结构而改变,忽略了数据在空间分布上的特征,为了提高高光谱图像分类在实际应用中的性能,本文提出了一种基于可变形卷积的高光谱图像分类方法,考虑到HSI高维度的特性,将可变形卷积从2D引伸到3D,从而更好地提取3D空间上的特征。本文结合双分支双注意机制网络(double-branch dual-attention mechanism network,DBDA)的网络结构和3D可变形卷积,在Indian Pines(IP)和Botswana(BS)2个数据集上进行了实验。实验结果表明,本文的方法在综合精度(overall accuracy,OA)、平均精度(average accuracy,AA)、KAPPA评价标准上均获得了更好的分类准确率,相较于次优算法,OA提高了0.15%—0.23%,AA提高了0.21%,KAPPA提高了0.000 3—0.001 4。

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