-
题名基于空-谱融合网络的高光谱图像分类方法
被引量：4
- 1
-
-
作者
欧阳宁
朱婷
林乐平
-
机构
认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学)
桂林电子科技大学信息与通信学院
-
出处
《计算机应用》
CSCD
北大核心
2018年第7期1888-1892,共5页
-
基金
国家自然科学基金资助项目(61661017
61362021)
+9 种基金
广西自然科学基金资助项目(2017GXNSFBA198212
2014GXNSFDA118035
2016GXNSFAA38014)
广西科技创新能力与条件建设计划项目(桂科能1598025-21)
桂林科技开发项目(20150103-6)
中国博士后科学基金资助项目(2016M602923XB)
桂林电子科技大学研究生教育创新计划资助项目(2016YJCXB02)
认知无线电与信息处理重点实验室基金资助项目(CRKL160104
CRKL150103
2011KF11)~~
-
文摘
针对高光谱图像分类中提取的空-谱特征表达能力弱及维数较高的问题,提出一种基于空-谱融合网络(SSF-Net)的高光谱图像分类方法。首先,利用双通道卷积神经网络(Two-CNN)同时提取高光谱图像的光谱和空间特征;其次,使用多模态压缩双线性池化(MCB)将所提取的多模态特征向量的外积投射到低维空间,以此产生空-谱联合特征。该特征融合网络,既可以分析光谱特征和空间特征向量中元素之间的复杂关系,同时也避免对光谱和空间向量直接进行外积计算,造成维数过高、计算困难的问题。最终实验表明,与现有基于神经网络的分类方法相比,所提出的高光谱图像分类算法能够获得更高的像元分类精度,表明该网络所提取的空-谱联合向量对高光谱图像具有更强的特征表达能力。
-
关键词
空-谱融合网络
多模态压缩双线性池化
特征融合
外积
高光谱图像分类
-
Keywords
Spatial-Spectral Fusion Network （SSF-Net）
multimodal compact bilinear pooling feature fusion outer product HyperSpectral Image （HSI）
classification
-
分类号
TP753
[自动化与计算机技术—检测技术与自动化装置]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
