一种用于高光谱图像分类的带映射层卷积神经网络
图像与视频处理
2019-08-27 v1 计算机视觉与模式识别
摘要
本文提出一种带映射层的卷积神经网络(MCNN)用于高光谱图像(HSI)分类。所提出的映射层通过多重线性代数将输入块映射到低维子空间。我们利用映射层降低光谱与空间冗余并保留输入的大部分能量。映射层提取的特征还可减少后续用于特征提取的卷积层数量。我们的 MCNN 架构避免了深度学习模型用于 HSI 分类时随层数增加精度下降的现象,并因其高效的映射层节省了训练时间。此外,我们在卷积层上采用 3-D 卷积核以提取 HSI 的光谱-空间特征。我们在 Indian Pines、University of Pavia 和 Salinas 三个数据集上测试了 MCNN,分别取得了 98.3%、99.5% 和 99.3% 的分类精度。实验结果表明,所提 MCNN 能显著提升分类精度并大幅节省时间消耗。
引用
@article{arxiv.1908.09526,
title = {A Convolutional Neural Network with Mapping Layers for Hyperspectral Image Classification},
author = {Rui Li and Zhibin Pan and Yang Wang and Ping Wang},
journal= {arXiv preprint arXiv:1908.09526},
year = {2019}
}
备注
UNDER REVIEW ON IEEE TRANS. GEOSCI. REMOTE SEN