基于光谱-空间一致性正则化的高光谱图像分类

摘要

近年来高光谱遥感技术迅速发展,高光谱图像分类是遥感领域中的热点研究方向.传统的光谱-空间分类框架,将光谱特征提取与空间特征提取分开进行,忽略了二者之间的相关性,导致分类精度不佳.文中提出基于光谱-空间一致性正则化的高光谱图像分类方法,建立长短期记忆神经网络(LSTM)和八度卷积(Octave Convolution)两个支路,分别提取光谱特征和空间特征,应用一致性正则化项建立光谱、空间与光谱-空间三个支路之间的显式相互作用,约束不同的支路对同一像素具有相同的分类结果,最后利用光谱-空间特征用于分类.在Pavia University数据集上证明了本文提出的高光谱图像分类方法的有效性.