基于Gabor滤波和级联GCN与CNN的高光谱图像分类 |
| |
引用本文: | 王婷婷,陈立伟,崔颖,高山.基于Gabor滤波和级联GCN与CNN的高光谱图像分类[J].应用科技,2023(2):79-85. |
| |
作者姓名: | 王婷婷 陈立伟 崔颖 高山 |
| |
作者单位: | 哈尔滨工程大学信息与通信工程学院 |
| |
基金项目: | 国家自然科学基金项目(61102105); |
| |
摘 要: | 在高光谱图像分类中,原始的图卷积网络作用在数据量较大的数据集上时,会出现内存开销大、时间成本高的问题,而且单一的图卷积网络模型不能对高光谱图像进行充分的特征提取。为了在数据量较大时降低时间成本并充分提取特征以提高分类精度,本文研究了Gabor滤波和批处理的图卷积网络级联卷积神经网络的融合网络对高光谱图像进行特征提取的方法,并在3个数据集上进行了验证。实验结果表明,本文的方法在对数据量较大的数据集分类时可以较好地降低时间成本,提高分类精度。
|
关 键 词: | 高光谱图像分类 Gabor 图卷积 卷积神经网络 K近邻 特征提取 级联融合 批处理 |
|
|