改进的残差3D-CNN的高光谱遥感影像分类

作者：苗永庆; 赵泉华^*; 孙清

来源：测绘科学, 2023, 48(02): 148-184.

DOI：10.16251/j.cnki.1009-2307.2023.02.019

• 3D-CNN
• Inception模块
• 残差神经网络
• 高光谱遥感影像分类

针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题，该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势，提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不同的卷积层分支，用以提取蕴涵在高光谱遥感影像中多尺度的特征；利用了3D卷积核代替2D卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征；通过残差结构连接分支提取特征缓解了梯度消失的问题，提取更深层次的特征。实验表明，该文算法不仅提高了条状和线状地物区域的边缘分类准确率，对小目标的分类能力也得到了增强。

• 出版日期2023
• 单位辽宁工程技术大学