基于深度学习的遥感数据降维分类方法研究

摘要

随着以光谱仪为代表的遥感仪器的快速发展，遥感数据的维度急剧增加。由于数据冗余度高以及维度灾难等问题，遥感数据处理时运算量大、分类效果不佳。针对这一现象，本文提出了一种基于深度学习的超光谱数据降维及分类方法，首先使用深度信念网络对超光谱进行逐层的特征提取和数据降维，然后将降维网络与分类器进行级联以完成光谱分类。为验证所提出的方法，使用先进的傅里叶变换红外光谱仪（FTIR）进行了数据采集实验，并对实测超光谱数据进行了降维分类，结果表明深度学习算法的降维分类效果优于常规降维分类算法。