基于卷积的光谱划分架构用于高光谱图像分类
计算机视觉与模式识别
2019-07-01 v1 机器学习
图像与视频处理
摘要
高光谱图像（HSIs）可利用大量光谱波段区分材料，被广泛应用于遥感领域，并有助于实现高精度的土地覆盖分类。然而，HSIs 处理深受高维度和标记数据量有限问题的困扰。为应对这些挑战，本文提出一种使用三维卷积神经网络结合光谱划分的深度学习架构，以进行有效特征提取。我们使用由 NASA 机载可见光/红外成像光谱仪获取的 Indian Pines 和 Salinas 场景进行实验。与先前结果相比，我们的架构在当前方法的分类结果上展现出有竞争力的性能。
引用
@article{arxiv.1906.11981,
title = {Convolution Based Spectral Partitioning Architecture for Hyperspectral Image Classification},
author = {Ringo S. W. Chu and Ho-Cheung Ng and Xiwei Wang and Wayne Luk},
journal= {arXiv preprint arXiv:1906.11981},
year = {2019}
}
备注
Accepted for publication in IGARSS'2019