基于多尺度近端特征拼接网络的高光谱图像分类方法.docx

1 引言 高光谱图像（HSI, hyperspectral image）可以从上百条连续的光谱波段中提取地物信息，这使其拥有强大的对地目标区分能力。在过去的几十年里，高光谱图像在目标探测[1]、土地监测[2]、农业监测[3]以及海洋遥感[4]等方面均发挥了重要作用。 迄今为止，研究者已经提出各种方法将高光谱图像的像元划分为特定的土地覆盖类。在早期的分类方法中，K 近邻分类器[5]和支持向量机（SVM, support vector machine）[6]等光谱分类器被广泛使用，但以上方法往往会面临高光谱图像极高的光谱波段维数带来的“小样本问题”和特征冗余带来的分类效率下降的问题。为了缓和其高维