农业中高光谱图像分析的深度学习技术：综述
计算机视觉与模式识别
2023-04-28 v1 图像与视频处理
摘要
近年来，高光谱成像（HSI）因其在解决遥感问题尤其是农业领域问题上的潜力，在计算机视觉研究者中获得了相当高的人气。然而，由于光谱波段的高冗余性、有限的训练样本以及空间位置与光谱波段之间的非线性关系，HSI 分类是一项复杂任务。幸运的是，深度学习技术已在 HSI 分析中展现出有前景的结果。本文献综述探讨了深度学习方法的近期应用，例如自动编码器、卷积神经网络（1D、2D 和 3D）、循环神经网络、深度信念网络以及生成对抗网络在农业中的应用。这些方法的性能已在著名的地表覆盖数据集（包括 Indian Pines、Salinas Valley 和 Pavia University）上进行了评估和讨论。
引用
@article{arxiv.2304.13880,
title = {Deep Learning Techniques for Hyperspectral Image Analysis in Agriculture: A Review},
author = {Mohamed Fadhlallah Guerri and Cosimo Distante and Paolo Spagnolo and Fares Bougourzi and Abdelmalik Taleb-Ahmed},
journal= {arXiv preprint arXiv:2304.13880},
year = {2023}
}