改进的残差3D-CNN的高光谱遥感影像分类 |
| |
引用本文: | 苗永庆,赵泉华,孙清.改进的残差3D-CNN的高光谱遥感影像分类[J].测绘科学,2023(2):148-156+184. |
| |
作者姓名: | 苗永庆 赵泉华 孙清 |
| |
作者单位: | 辽宁工程技术大学测绘与地理科学学院 |
| |
基金项目: | 国家自然科学基金青年基金项目(42001286); |
| |
摘 要: | 针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题,该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势,提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不同的卷积层分支,用以提取蕴涵在高光谱遥感影像中多尺度的特征;利用了3D卷积核代替2D卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征;通过残差结构连接分支提取特征缓解了梯度消失的问题,提取更深层次的特征。实验表明,该文算法不仅提高了条状和线状地物区域的边缘分类准确率,对小目标的分类能力也得到了增强。
|
关 键 词: | 3D-CNN Inception模块 残差神经网络 高光谱遥感影像分类 |
|
|