三维Gabor和多尺度残差网络的高光谱影像分类

摘要：

为了减轻高光谱影像分类网络模型对训练样本的依赖性并解决网络层数加深产生的性能退化问题,文章研究了三维Gabor滤波和多尺度残差网络的高光谱影像分类方法.利用三维Gabor滤波器提取出有助于分类的光谱-纹理特征,引入扩张卷积和残差学习构建多尺度残差网络模型进行深层次特征提取,实现不同尺度下局部和全局特征融合和分类.在两幅高光谱影像上对该方法和其他方法进行实验比较.结果表明,该方法获得了最优的分类结果,能够在训练样本有限的情况下提高分类精度.

关键词：卷积神经网络、高光谱影像分类、三维Gabor滤波、扩张卷积、残差学习

所属期刊栏目：38

分类号：TP751(遥感技术)

资助基金：浙江省教育厅一般科研项目Y202248546

在线出版日期：2023-10-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：33-41