联合CNN和Gabor滤波器的高光谱影像分类方法

摘要

本文充分利用高光谱影像的空间信息,提出了一种联合卷积神经网络(convolutional neural network,CNN)和Gabor特征的高光谱影像分类方法。首先,设计了一个包含四个卷积层的CNN用于高光谱影像分类,该网络以降维后的高光谱局部影像块为输入,因此能够在分类过程中充分考虑邻域空间信息对分类结果的影响。然后,提出利用Gabor滤波器初始化卷积神经网络的卷积核参数,以充分利用Gabor纹理特征的优势来进一步提高分类精度。在两组真实的高光谱影像上进行分类试验,试验结果表明本文设计的CNN能够取得较高的分类精度,且结合Gabor滤波器对卷积核参数进行初始化能够进一步提高分类精度。