使用自编码器的高光谱图像谱-空分类
计算机视觉与模式识别
2015-11-11 v1 人工智能
机器学习
摘要
高光谱图像 (HSI) 分类是遥感界的一个热点话题。本文提出了一种用于 HSI 分类的谱-空特征提取新框架，其中首次引入了深度学习的概念。具体地，在我们的框架中利用自编码器模型来提取各种特征。首先，我们遵循基于经典光谱信息的分类验证自编码器的适用性，并使用不同深度的自编码器对高光谱图像进行分类。进一步在提出的框架中，我们结合光谱维度上的 PCA 和另外两个空间维度上的自编码器来提取谱-空信息用于分类。实验结果表明，该框架在所有方法中实现了最高分类精度，并且优于经典分类器如 SVM 和基于 PCA 的 SVM。
引用
@article{arxiv.1511.02916,
title = {Spectral-Spatial Classification of Hyperspectral Image Using Autoencoders},
author = {Zhouhan Lin and Yushi Chen and Xing Zhao and Gang Wang},
journal= {arXiv preprint arXiv:1511.02916},
year = {2015}
}
备注
Accepted as a conference paper at ICICS 2013, an updated version. Codes published. 9 pages, 6 figures