高光谱遥感图像空谱联合分类方法研究

• 全文链接
• 请求原文

作   者：

李铁;  孙劲光;  张新君;  王星; 

作者机构：

大连理工大学计算机科学与技术学院;  辽宁工程技术大学电子与信息工程学院; 

关键词：

特征提取;  高光谱图像分类;  深度学习;  深信度网络; 

期刊名称：

仪器仪表学报

基金项目：

语义Web模糊规则互换与推理关键技术研究

i s s n：

0254-3087

年卷期：

2016 年 37 卷 06 期

页   码：

1379-1389

摘   要：

在遥感影像研究领域里,高光谱数据分类是一个热点问题。近年来,在这个问题上涌现出很多研究方法,然而,大多数方法都是用浅层的方法提取原始数据的特征。将深度学习的方法引入高光谱图像分类中,提出一种新的基于深信度网络(DBN)的特征提取方法和图像分类架构用于高光谱数据分析。将谱域-空域特征提取和分类器相结合提高分类精度。使用高光谱数据进行实验,结果表明该分类器优于当前的一些先进的分类方法。此外,本文还揭示了深度学习系统在高光谱图像分类研究中具有的巨大潜力。