Deep Learning for Hyperspectral Image Classification:An Overview

这是一篇2019年10月份的关于高光谱图像分类的综述，有李树涛和陈雨时两位大佬的署名。

1.Introduction

two main challenges: 1.the large spatial variability of spectral signatures 2. and  limited available training samples versus the high dimensionality of hyperspectral data.

第一个挑战通常是由许多因素带来的，例如照明，环境，大气和时间条件的变化。 第二个挑战将导致某些方法出现问题，并降低分类器的泛化能力。

传统方法/深度学习

2.deep models

介绍了集中基本的深度模型的结构，包括SAE/DBN/CNN/RNN/GAN

3. deep networks-based hsi classification

基本还是沿着光谱分类、空间分类、空谱联合分类进行阐述，其中光谱是1D-CNN，空间是降维（降维方法有很多了，PCA，卷积都可以降维）+2D-CNN。空谱如下图，又分了三种。

4.strategies for limited available samples

数据增强、迁移学习、无监督/半监督学习、网络优化

5.最后是一些实验和分析。