高光谱影像的DAE分类
  • 【DOI】

    10.3969/j.issn.1673-6338.2016.05.009

  • 【摘要】

    针对高光谱影像非线性分类问题,根据高光谱影像光谱分辨率高且光谱具有非线性的特点,结合深度学习理论,提出了一种采用降噪自动编码器(DAE)的高光谱影像分类方法.该方法结合降噪自动编码器与SOFTMAX分类器,构造深层网络分类模型;然后,利用加噪后的光谱数据,采用Dropout方法对分类模型进行预训练和微调;最后,利用训练得到的网络模型学习高光谱影像光谱的隐含特征,实现高光谱影像的分类.采用该方法对A... 展开>>针对高光谱影像非线性分类问题,根据高光谱影像光谱分辨率高且光谱具有非线性的特点,结合深度学习理论,提出了一种采用降噪自动编码器(DAE)的高光谱影像分类方法.该方法结合降噪自动编码器与SOFTMAX分类器,构造深层网络分类模型;然后,利用加噪后的光谱数据,采用Dropout方法对分类模型进行预训练和微调;最后,利用训练得到的网络模型学习高光谱影像光谱的隐含特征,实现高光谱影像的分类.采用该方法对AVIRIS和PHI的高光谱影像分别进行分类对比实验,结果表明该方法能有效提高高光谱影像分类精度. 收起<<

  • 【作者】

    付琼莹  余旭初  谭熊  魏祥坡  赵吉龙 

  • 【作者单位】

    信息工程大学/65379部队

  • 【刊期】

    测绘科学技术学报 ISTIC PKU 2016年5期

  • 【关键词】

    高光谱影像  神经网络  深度学习  降噪自动编码器  影像分类  hyperspectral imagery  neural network  deep learning  denoising autoencoder  image classification 

  • 【基金项目】

    国家自然科学基金项目 河南省科技攻关计划项目 地理信息工程国家重点实验室开放基金项目