一种用于高光谱图像分类的快速 3D CNN
图像与视频处理
2020-12-14 v1 计算机视觉与模式识别
摘要
高光谱成像（HSI）已广泛应用于众多现实世界应用。HSI 分类（HSIC）是一项具有挑战性的任务，原因在于类间相似度高、类内变异性大、区域重叠与嵌套。二维卷积神经网络（CNN）是一种可行方法，但 HSIC 高度依赖于光谱-空间信息，因此三维 CNN 可作为一种替代方案，但由于体积与光谱维度而计算高度复杂。此外，这些模型提取的特征图质量不高，在具有相似纹理的区域上可能表现不佳。因此，本工作提出了一种利用空间-光谱特征图以获得良好性能的 3D CNN 模型。为达到所述性能，首先将 HSI 立方体划分为小的重叠 3D 块，随后这些块经处理使用在多个连续波段上的 3D 核函数生成 3D 特征图，从而也保留了光谱信息。采用基准 HSI 数据集（Pavia University、Salinas 和 Indian Pines）来验证我们所提方法的性能。结果进一步与几种最先进（state-of-the-art）的方法进行了比较。
引用
@article{arxiv.2004.14152,
title = {A Fast 3D CNN for Hyperspectral Image Classification},
author = {Muhammad Ahmad},
journal= {arXiv preprint arXiv:2004.14152},
year = {2020}
}
备注
5 pages, 8 figures, (IEEE GRSL)