第
卷
第
期
激 光 与 光 电 子 学 进 展
年
月
收稿日期
修回日期
录用日期
E-mail
结合卷积神经网络和稀疏编码的高光谱图像分类
孙 劲 光
,
李 燕 北
,
,
魏 宪
,
王 万 里
,
辽宁工程技术大学电子与信息工程学院
辽宁
葫芦岛
中国科学院海西研究院泉州装备制造研究所
福建
泉州
摘要
传统的高光谱图像分类大多只考虑地物的光谱 信息
而 忽略 了空 间 信息
现 有的 空谱 联 合分 类方 法 难以 有
效提取空间邻域信息
针对上述问题
提出了一种卷积神经网络和稀疏字典联合 学习 的算法
现有 稀疏 编码方 法
大多仅考虑光谱信息而丢弃空间信息
而所提算法利用 卷积 神 经网 络可 以 有效 提取 数 据深 层特 征 的优 势
对 高光
谱图像同时提取空谱特征
获取高维深层特征
然后再通过字典学习对深层特征进 行稀 疏编码
以获 取用 于分类 的
鉴别特征
最后采用分类器确定分类结果
在实验部分
采 用所 提算 法 与现 有几 种 算法 在三 个 公开 数据 集 上进 行
分类
结果发现
相比于其他算法
所提算法的总体分类 精度
平 均分 类精 度 和
系 数均 有所 提 升
所 提方 法
可以同时提取高光谱数据的空谱特征
具有良好的鲁棒性和判别性
有效地提高了 分类 的准确 率
并且 在样 本数量
小的数据集上表现良好
关键词
遥感
高光谱图像
空谱特征
稀疏编码
卷积神经网络
中图分类号
文献标志码
doi
:
/
H
yp
ers
p
ectral
Ima
g
e
Classification
Combined
with
Convolutional
Neural
Network
and
S
p
arse
Codin
g
Colle
g
e
o
f
Electronic
and
In
f
ormation
En
g
ineerin
g
Liaonin
g
Universit
y
o
f
En
g
ineerin
g
and
Technolo
gy
Huludao
Liaonin
g
China
Q
uanzhou
Institute
o
f
E
q
ui
p
ment
Manu
f
acturin
g
Haixi
Institutes
Chinese
Academ
y
o
f
Sciences
Q
uanzhou
Fu
j
ian
China
Abstract
Ke
y
words
OCIS
codes