采用双通道时间稠密网络的高光谱影像分类方法

您当前的位置：

首页 >

文章列表页 >

采用双通道时间稠密网络的高光谱影像分类方法

更新时间：2025-07-09

- 采用双通道时间稠密网络的高光谱影像分类方法
- Issue 4, Pages: 126-132(2020)
- 作者机构：
  
  1. 西安电子科技大学通信工程学院
  2. 西安电子科技大学人工智能学院
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP391.41
- Published：2020
- 稿件说明：
移动端阅览
[J]. 2020, (4): 126-132.
DOI：

[J]. 2020, (4): 126-132. DOI：

摘要

针对多数高光谱影像分类方法提取信息不够充分导致分类准确率不够高的问题

提出了一种双通道时间稠密网络的高光谱影像分类方法。该方法利用时间卷积网络模型提取高光谱数据的光谱特征信息

利用稠密网络模型提取高光谱影像数据的空间信息特征

然后将两个网络各自提取到的特征进行融合

最后将融合后的特征送入Softmax分类器进行分类。在Pavia大学经典数据集上进行了仿真实验

将该方法分别同传统高光谱影像分类方法、单空间信息高光谱影像分类方法、单光谱信息分类方法进行了对比。实验结果表明

与多种经典分类方法相比

所提出的方法可以有效地从空间结构和光谱通道提取目标的特征信息

在常用的经典数据集上分类精度可达到99%分

较其他方法高出2%～3%。

Abstract

关键词

Keywords

references

王怀警.森林类型高光谱遥感分类研究[D].中国林业科学研究院,2018(01).

焦李成.高分辨遥感影像学习与感知[M].科学出版社,2017.

闫敬文,陈宏达,刘蕾.高光谱图像分类的研究进展[J].光学精密工程,2019(03).

韩嫚莉,侯卫民,孙靖国,王明,梅少辉.基于PCA与协同表示的高光谱图像分类研究[J].电子科技大学学报,2019(01).

吕飞,韩敏.基于深度极限学习机的高光谱遥感影像分类研究[J].大连理工大学学报,2018(02).

付光远,辜弘炀,汪洪桥.基于加权K近邻和卷积神经网络的高光谱图像分类[J].计算机应用研究,2018(08).

杨艺,韩崇昭,韩德强.利用特征子空间评价与多分类器融合的高光谱图像分类[J].西安交通大学学报,2010(08).

Zhang,Li,Zhang,Shen.Spectral-spatial classification of hyperspectral imagery using a dual-channel convolutional neural network[J].Remote Sensing Letters,2017.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

采用卷积神经网络的电站锅炉燃烧效率建模方法

采用改进共空间模式算法的四类表情辅助脑电信号识别方法

一种孤立中心损失方法及其在人脸表情识别中的应用

CNN-LSTM深度神经网络在滚动轴承故障诊断中的应用

采用非相关字典学习的滚动轴承故障诊断方法

Related Author

胡怀中

张建博

刘汉青

李梦迪

杨清宇

陆竹风

方婧瑶

吴斌

Related Institution

西安交通大学电子与信息工程学院

新疆医科大学第一附属医院

西安交通大学机械工程学院

新疆大学机械工程学院

榆林学院信息工程学院

⁰