用于高光谱图像分类的混合CNN双向LSTM神经网络
图像与视频处理
2024-02-16 v1 计算机视觉与模式识别
摘要
高光谱图像因其复杂的数据分类问题而受到研究人员的关注。其在材料与由HSI图像提供的光谱信息之间存在非线性关系。深度学习方法在学习这种非线性关系方面优于传统机器学习方法。将3-D CNN与2-D CNN结合使用已在学习空间和光谱特征方面取得很大成功。然而，这会使用较多的参数，而且对学习层间信息并不有效。因此，本文提出一种结合3-D CNN、2-D CNN和双向LSTM的神经网络。该模型在印度坡（IP）、帕维亚大学（PU）和萨利纳场景（SA）数据集上进行了测试。结果与最新的深度学习模型进行了比较。该模型在所有三个数据集上表现更好。它分别可以使用30%的可训练参数达到IP、PU和SA数据集上99.83%、99.98%和100%的准确率。
引用
@article{arxiv.2402.10026,
title = {Hybrid CNN Bi-LSTM neural network for Hyperspectral image classification},
author = {Alok Ranjan Sahoo and Pavan Chakraborty},
journal= {arXiv preprint arXiv:2402.10026},
year = {2024}
}