用于光谱-空间高光谱图像分类的像素 DAG 循环神经网络
计算机视觉与模式识别
2019-06-11 v1
摘要
挖掘丰富的空间与光谱特征有助于提高高光谱图像（HSIs）的分类精度。本文基于人类视觉皮层中群体感受野（pRF）的机制，进一步利用图像中像素的空间相关性，提出像素有向无环图循环神经网络（Pixel DAG-RNN）来提取并应用光谱-空间特征进行 HSIs 分类。在我们的模型中，无向循环图（UCG）用于表示图像块中像素的相关连通性，并使用四个 DAG 来近似 UCG 的空间关系。为避免过拟合，采用了权值共享与 dropout。在三个基准数据集上的实验验证了我们的模型在 HSIs 分类上具有更高的分类性能。
引用
@article{arxiv.1906.03607,
title = {Pixel DAG-Recurrent Neural Network for Spectral-Spatial Hyperspectral Image Classification},
author = {Xiufang Li and Qigong Sun and Lingling Li and Zhongle Ren and Fang Liu and Licheng Jiao},
journal= {arXiv preprint arXiv:1906.03607},
year = {2019}
}