高光譜圖像混合像元多維卷積網絡協同分解法

作者：劉帥,邢光龍

摘要：受成像光譜儀性能與復雜地物分布的影響,高光譜圖像存在大量的混合像元。傳統的基于學習的混合像元分解方法通常都是淺層模型,或缺少對空間、光譜信息的綜合應用。本文提出一種多維卷積網絡協同的混合像元分解深層模型,采用多種維度卷積網絡能更充分利用多種維度語義信息,有利于估計小樣本和高維的高光譜圖像混合像元豐度。對訓練數據進行增廣處理,構建光譜維、空間維和立方體3種卷積神經網絡;設計了融合層,協同3種卷積神經網絡提取特征,“端到端”的估計混合像元豐度值;模型使用了批量歸一化、池化和Dropout方法避免過擬合現象。試驗結果表明,多維卷積網絡協同方法的引入能更有效地提取空-譜特征信息,與其他的卷積網絡解混模型相比,估計的混合像元豐度精度有顯著提高。

發文機構：燕山大學信息科學與工程學院 河北省信息傳輸與信號處理重點實驗室

關鍵詞：高光譜解混卷積神經網絡深度學習豐度估計hyperspectral unmixingconvolutional neural networkdeep learningabundance estimation

分類號： P237[天文地球—攝影測量與遙感]