用于高光谱图像分类的深度卷积神经网络

用于高光谱图像分类的深度卷积神经网络

 

 

摘要：近来，卷积神经网络已经在各种视觉任务中表现出优异的性能，包括常见二维图像的分类。 在本文中，采用深卷积神经网络直接在光谱域中对高光谱图像进行分类。更具体地，所提出的分类器的架构包含权重的五层，其中是输入层，卷积层，最大池层，完整连接层和输出层。 在每个光谱签名上实现这五个层以区别于其他光谱。 基于几个高光谱图像数据集的实验结果表明，所提出的方法可以比一些传统方法（如支持向量机和传统的基于深度学习的方法）实现更好的分类性能。

 

 

1、introduction

高光谱图像（HSI）[1]由遥感器采集，其特征在于数百个具有高光谱分辨率的观测通道。利用丰富的光谱信息，已经开发了诸如