深度学习用于高光谱图像分类：综述
图像与视频处理
2019-10-30 v1 计算机视觉与模式识别
摘要
高光谱图像（HSI）分类已成为遥感领域的热点话题。一般而言，高光谱数据的复杂特性使得传统机器学习方法难以对其实现准确分类。此外，高光谱成像所处理的捕获光谱信息与其对应物质之间往往存在固有的非线性关系。近年来，深度学习已被认为是有效解决非线性问题的强大特征提取工具，并广泛应用于众多图像处理任务中。受这些成功应用的启发，深度学习也被引入以分类 HSI 并展现出良好性能。本综述论文对基于深度学习的 HSI 分类文献进行了系统回顾，并比较了该主题的若干策略。具体而言，我们首先总结了传统机器学习方法无法有效克服的 HSI 分类主要挑战，并介绍了深度学习处理这些问题的优势。然后，我们构建了一个框架，将相应工作划分为光谱特征网络、空间特征网络以及光谱-空间特征网络，以系统回顾基于深度学习的 HSI 分类近期成果。此外，考虑到遥感领域可用训练样本通常十分有限而训练深度网络需要大量样本，我们纳入了一些提升分类性能的策略，可为该主题的未来研究提供指导。最后，我们在真实 HSI 上实验了几种具代表性的基于深度学习的分类方法。
引用
@article{arxiv.1910.12861,
title = {Deep Learning for Hyperspectral Image Classification: An Overview},
author = {Shutao Li and Weiwei Song and Leyuan Fang and Yushi Chen and Pedram Ghamisi and Jón Atli Benediktsson},
journal= {arXiv preprint arXiv:1910.12861},
year = {2019}
}