基于联合多级空谱信息CNN的高光谱图像分类方法

作者：冯婕; 吴贤德; 李迪; 焦李成; 张向荣; 王蓉芳; 张小华; 尚荣华; 刘若辰; 刘红英

来源：2019-04-15, 中国, CN201910300993.7.

本发明提出了一种基于联合多级空谱信息CNN的高光谱图像分类方法,主要解决高光谱图像分类性能不佳、分类区域一致性不好的问题。实现步骤为：输入高光谱数据集；构建卷积神经网络和多级空谱信息提取网络；生成联合多级空谱信息卷积神经网络CNN；输入训练样本集,利用损失函数对网络进行训练；输入测试数据集,利用训练好的联合多级空谱信息卷积神经网络CNN对高光谱图像进行分类。本发明利用搭建的联合多级空谱信息卷积神经网络CNN,能够提取、融合高光谱图像的多级空间信息和全局谱间信息,解决了现有技术方法中存在的空间特征信息利用不充分、卷积核不能提取光谱全局信息,导致分类区域一致性不好、精度不高的问题,提高了高光谱图像分类的准确性。

• 出版日期2019-4-15
• 单位西安电子科技大学