基于三通道多尺度密集连接网络的高光谱地物分类研究

摘要

由于高光谱图像(Hyperspectral Image,HSI)相比于传统图像除了具有空间信息还包含丰富的光谱信息而被广泛应用于各领域中,同时近几年的研究表明使用神经网络可实现良好的分类效果,因此如何构建网络从而有效利用光谱和空间信息并实现高精度分类成为了一个具有挑战性的课题。基于此,为了对HSI光谱和空间信息进行有效利用,本文提出三通道多尺度模块用于HSI地物分类,该模块充分利用3D卷积层构建三通道结构以实现多尺度特征的提取融合。通过多次堆叠该模块以组成骨干网络,使得网络可提取深层次代表性特征;密集连接的引入则减轻了深层次网络的梯度消失问题,从而保证网络的分类性能。本文使用Indian Pines(IP)、University of Pavia(UP)和Salinas Valley(SV)三个HSI数据集对提出网络进行性能测试。实验结果表明,本文提出网络可有效提取HSI光谱空间特征并取得99.5%以上的分类精确度。