-
题名基于多尺度图卷积的高光谱图像分类
- 1
-
-
作者
温馨
李禄
范军芳
胡智峰
周锋
吴亚平
-
机构
北京信息科技大学自动化学院
北京信息科技大学现代测控技术教育部重点实验室
中煤航测遥感集团有限公司
湖北省测绘工程院
-
出处
《激光与红外》
CAS
CSCD
北大核心
2024年第8期1300-1308,共9页
-
基金
北京市属高等学校高水平科研创新团队建设支持计划项目(No.BPHR20220123)
北京市自然科学基金项目(No.4214072)资助。
-
文摘
近年来,卷积神经网络在高光谱图像分类领域取得了显著的进步,但是其只能对图像进行规则格网运算,不能自适应的进行特征聚合。因此,本文提出了一种基于分段森林的多尺度图卷积神经网络的高光谱图像分类方法,主要有四个步骤:首先使用主成分分析进行降维,根据图像的空间信息构建多尺度的分段森林,建立子树之间关系;然后提出了一种基于图卷积网络的U-net模型架构,通过池化和解池化建立多个尺度之间的图结构特征的转换;网络通过图卷积神经网络进行自适应的特征聚合,并在编码器和解码器之间采用跳层连接融合了多尺度特征;最后通过SoftMax进行节点的半监督分类。实验在公开的高光谱数据集上进行了验证,均取得了较好的分类精度,表明了该方法的有效性。
-
关键词
高光谱图像
多尺度
分段森林
图卷积神经网络
子树
-
Keywords
hyperspectral image
multiscale
segmented forest
graph convolutional neural network
subtree
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
O433
[机械工程—光学工程]
-
