利用深度特征融合进行高光谱遥感影像分类

摘要：

针对卷积神经网络(convolution neural network,CNN)未能充分挖掘和利用遥感影像不同层次空-谱特征信息的问题,提出了一种多输入中高层特征信息融合方法对高光谱遥感影像进行分类.文章利用三维卷积神经网络(three dimensional convolution neural network,3D-CNN)的"立体"感受野,深入挖掘高光谱影像的空-谱联合特征信息,分析深度网络各层特征信息对图像分类的影响,提出优化的特征融合策略,并利用"珠海一号"卫星拍摄的高光谱影像对3个地区进行地物分类实验.实验结果表明,由于充分利用了高光谱影像的空-谱联合特征,通过特征融合集成了不同网络层的特征优势,相对于其他高光谱分类方法,该方法具有更好的分类效果.

关键词：高光谱影像、空谱信息、三维卷积网络、中高层特征、特征融合

所属期刊栏目：36

分类号：TP751(遥感技术)

资助基金：国家自然科学基金项目61896123、41871325

在线出版日期：2021-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：13-23