python 高光谱图像分类代码
时间: 2023-10-12 17:26:33 浏览: 211
Hyperspectral-master_hyperspectral_高管普分类_高光谱分类_源码
以下是使用卷积神经网络(CNN)进行高光谱图像分类的 Python 代码示例:
```python
import numpy as np
import pandas as pd
import tensorflow as tf
from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.layers import Dense, Conv2D, Flatten, MaxPooling2D
# 读取数据
data = pd.read_csv('data.csv')
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values
# 数据预处理
X = np.reshape(X, (X.shape[0], 1, 16, 16)) # 转换为4D张量
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 建立CNN模型
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=(1, 16, 16)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(64, kernel_size=(3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(10, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
# 训练模型
model.fit(X_train, y_train, epochs=10, validation_data=(X_test, y_test))
# 评估模型
score = model.evaluate(X_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])
```
其中,`data.csv` 是高光谱图像数据,每行表示一个图像,前256列为图像像素值,最后一列为分类标签。代码中使用 `train_test_split` 函数将数据分为训练集和测试集,使用 `Conv2D`、`MaxPooling2D`、`Dense` 等层构建卷积神经网络,并使用 `fit` 函数训练模型,使用 `evaluate` 函数评估模型性能。
阅读全文