基于流形光谱降维和深度学习的高光谱影像分类

发布时间：2021-12-28 16:25

　　高光谱影像存在的"休斯（Hughes）现象"是制约高光谱影像分类精度的一个重要因素。为了提高高光谱影像分类精度,提出一种基于流形光谱特征的高光谱影像分类算法。首先使用t分布随机邻域嵌入算法对高光谱影像进行降维;其次将降维后的高光谱数据作为输入层,使用卷积神经网络提取空间深层特征;最后,将提取到的深层空间-光谱特征从隐层特征空间映射到样本标记空间并进行分类。结果表明,与其他算法相比,该研究究算法的总体精度和Kappa系数最高,3个数据集总体精度分别为99.05%、99.43%和98.90%,Kappa系数分别为98.78%、98.97%和98.34%,显著提高了高光谱影像的分类精度,减少了分类用时,有效解决了传统降维方法容易忽视局部特征的缺点。将流形学习降维和深度学习分类相结合为高光谱遥感影像分类和土地利用研究研究提供了一种思路。 

【文章来源】：农业工程学报. 2020,36(06)北大核心EICSCD

【文章页数】：11 页

【文章目录】：
0 引言
1 方法
    1.1 t分布随机邻域嵌入算法
2 试验与结果分析
    2.1 数据准备
    2.2 流形学习降维
    2.3 CNN模型参数的设置
    2.4 结果与分析
3 结论


【参考文献】：
期刊论文
[1]多时相NDVI与丰度综合分析的油菜无人机遥感长势监测[J]. 刘雅婷,龚龑,段博,方圣辉,彭漪.  武汉大学学报(信息科学版). 2020(02)
[2]黑土养分含量的航空高光谱遥感预测[J]. 杨越超,赵英俊,秦凯,赵宁博,杨晨,张东辉,崔鑫.  农业工程学报. 2019(20)
[3]地块尺度的复杂种植区作物遥感精细分类[J]. 张鹏,胡守庚.  农业工程学报. 2019(20)
[4]玉兔号月球车巡视点矿物丰度及粒径分布高光谱反演[J]. 林红磊,张霞,杨亚洲,郭弟均,吴兴,戚文超.  遥感学报. 2019(05)
[5]基于高光谱图像和深度学习的菠菜新鲜度检测[J]. 谢忠红,徐焕良,黄秋桂,王培.  农业工程学报. 2019(13)
[6]基于深度学习的森林虫害无人机实时监测方法[J]. 孙钰,周焱,袁明帅,刘文萍,骆有庆,宗世祥.  农业工程学报. 2018(21)
[7]基于卷积神经网络与迁移学习的油茶病害图像识别[J]. 龙满生,欧阳春娟,刘欢,付青.  农业工程学报. 2018(18)

硕士论文
[1]高光谱图像流形学习算法研究[D]. 卢雨风.电子科技大学 2016
[2]流形学习算法研究与应用[D]. 周晓勇.安徽大学 2014



本文编号：3554370