联合空-谱信息的高光谱影像深度三维卷积网络分类.docx

摘要：针对高光谱影像分类高维和小样本的特点，提出一种基于深度三维卷积神经网络的高光谱影像分类方法。首先，该方法直接以高光谱数据立方体为输入，利用三维卷积操作提取高光谱数据立方体的三维空-谱特征。然后，利用残差学习构建深层网络，提取更高层次的特征表达，以提高分类精度。最后，采用Dropout正则化方法防止过拟合。利用Pavia大学、Indian Pines和Salinas 3组高光谱数据进行试验验证，结果表明，与支持向量机和现有的基于深度学习的高光谱影像分类方法相比，该方法能有效提高高光谱影像的地物分类精度。 关键词：高光谱影像分类????卷积神经网络????三维卷积????残差学习???? D