基于深度学习的高光谱图像分类方法

摘要

遥感高光谱成像能够获得丰富的地物光谱信息,这使得在传统的宽波段遥感中不可分辨的物质,在高光谱遥感中可以被分辨出来。高光谱图像具有“图谱合一”的特点,充分的利用高光谱图像中的光谱信息和空间信息是获得精确分类结果的前提。深度学习模型中的自编码神经网络能够实现高维数据的非线性降维,而卷积神经网络(Convolutional Neural Network, CNN)则能够自动的从图像中提取空间特征,基于此,本文提出了一种基于深度学习的Autoencoder-CNN高光谱图像分类方法。首先利用自编码神经网络对高光谱数据进行光谱维的降维,然后将卷积神经网络作为分类器,将待分类像元及其邻域像元一同作为卷积神经网络的输入,实现高光谱图像的空谱联合分类。