基于光譜-空間殘差網絡模型的高光譜遙感圖像分類

作者：韋春桃,肖博林,李倩倩,白風,盧志豪

摘要：殘差網絡是近幾年提出的一種新型深度卷積網絡,通過增加網絡深度提高分類的準確率,也解決了網絡退化問題。基于殘差學習原理,設計了針對高光譜遙感圖像分類的光譜-空間殘差網絡模型。首先,將原始高光譜遙感數據三維立方體輸入網絡模型,并使用特定的卷積核對光譜特征進行降維;然后,利用光譜殘差模塊和空間殘差按模塊分別且連續地學習光譜和空間特征;最后,對提取到的特征進行池化操作并分類。此外,為規范訓練數據和防止過擬合,學習過程中使用了批量歸一化和dropout的方法。所設計網絡模型在Indian Pines和Pavia U數據集上進行了驗證實驗,結果表明,所提方法有效地緩解了網絡退化的問題,且在分類精度上也高于支持向量機、卷積神經網絡等現有算法。

發文機構：重慶交通大學土木工程學院

關鍵詞：高光譜遙感圖像分類殘差網絡模型特征提取批量歸一化DROPOUThyperspectral remote sensing image classificationresidual network modelfeature extractionbatch normalizationdropout

分類號： P237[天文地球—攝影測量與遙感]