基于PCA网络的光谱-空间联合的高光谱图像分类

摘要

高光谱图像分类的关键在于光谱特征的提取和空间信息的融合.然而,由于自然环境、采集技术等方面的问题,目标地物的光谱曲线会存在“同物异谱”和“异物同谱”的现象,增加了光谱特征提取的难度,并且由于高光谱图像的空间分辨率较低,对空间信息的获取也是很大的挑战和高光谱图像分类.为此采用PCA网络获取高光谱图像中隐含的光谱特征,再利用联合了空间信息的邻域加权SVM多分类器进行分类,得到分类结果.实验结果表明,上述方法要优于传统的高光谱图像分类方法,利用合适的深度学习网络并融合高光谱图像的空间邻域信息,能够有效地提升分类方法的精度.