基于生成对抗网络的高光谱图像分类

• 全文链接
• 请求原文

作   者：

陈方杰;  李吉明;  杨东勇; 

作者机构：

浙江警察学院 计算机与信息技术系;  浙江工业大学信息工程学院; 

关键词：

高光谱图像分类;  特征挖掘;  生成对抗网络(GANs); 

期刊名称：

计算机工程与应用

基金项目：

南疆风积土浅表高位滑动成灾机理研究

i s s n：

1002-8331

年卷期：

2019 年 22 期

页   码：

172-179

摘   要：

针对高光谱图像分类领域中特征利用不足的问题,提出了一种基于生成对抗网络(Generative Adversarial Networks,GANs)的高光谱图像分类方法。根据高光谱图像空间域和光谱域的相关性,利用GANs方法,挖掘其深层特征,生成可分性更高的高光谱图像,并通过支持向量机(Support Vector Machine,SVM)对生成的高光谱图像进行分类。使用两组高光谱数据进行实验,结果表明,该方法能够在少量高光谱波段的情况下,对抗学习到较好的生成模型,使得生成的高光谱图像在地物分类实验中具有更高的分类精度。