面向高光谱图像分类的局部Gabor卷积神经网络

摘要：

针对高光谱图像特征利用不足的问题,提出了一种新的基于空谱联合特征的高光谱图像分类方法.该方法首先利用主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminant Analysis,LDA)对高光谱图像进行组合降维;其次引入Gabor核,设计了一种基于Gabor核的卷积(Local Gabor Convolutional,LGC)层;最后基于LGC层设计了一个新的卷积神经网络(Local Gabor Convolutional Neural Network,LGCNN)进行分类.在Indian Pines和Salinas Scene数据集上对所提方法进行验证,并将其与其他经典分类方法进行比较.实验结果表明,该方法不仅能大幅度减少可学习的参数,降低模型复杂度,而且具备较好的分类性能,其总体精度达到99％,平均分类精度达到98％以上,Kappa系数达到98％以上.

关键词：高光谱图像分类、Gabor滤波、空间-光谱信息、卷积神经网络、深度学习

所属期刊栏目：47

分类号：TP751.1(遥感技术)

资助基金：甘肃省重点研发计划18YF1GA060

在线出版日期：2020-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：151-156