基于3D金字塔残差网络的高光谱图像分类方法 |
| |
引用本文: | 李明天,佘海龙,张衍爽,徐人杰,邹静洁,解山娟.基于3D金字塔残差网络的高光谱图像分类方法[J].杭州师范大学学报(自然科学版),2022(6):664-672. |
| |
作者姓名: | 李明天 佘海龙 张衍爽 徐人杰 邹静洁 解山娟 |
| |
作者单位: | 1. 杭州师范大学遥感与地球科学研究院;2. 浙江工商大学杭州商学院;3. 浙江省城市湿地与区域变化研究重点实验室 |
| |
基金项目: | 国家自然科学基金项目(61701153); |
| |
摘 要: | 鉴于提取高光谱图像深层次特征时,深度学习网络面临的网络层数加深、特征图数量增多、计算量增大、梯度消失等问题,提出了一种3D金字塔残差卷积神经网络,通过将3D卷积块引入金字塔残差模型中,实现了高光谱图像空谱特征的同时提取,并利用金字塔残差网络逐级增加特征图维度,大大降低了模型的参数量.Pavia University和Salinas数据集测试结果显示,该方法分别取得了99.936%和99.879%的总体分类精度,分类效果优于SVM、3D-CNN、ResNet18等3D卷积模型,且网络参数仅为ResNet18等模型的1%.可见,该方法达到了网络参数和图像分类精度的双优表现,是一种有效的高光谱遥感影像分类方法.
|
关 键 词: | 高光谱图像分类 深度学习 小样本 特征提取 3D金字塔残差网络模型 |
|
|