一种基于深度神经网络的高光谱遥感数据分类方法

摘要

一种基于深度神经网络的高光谱遥感数据分类方法，包含以下步骤：(1)读入高光谱数据；(2)确定类别数目，并选择训练样本和测试样本；(3)基于三维卷积和空间金字塔池化的空间‑光谱特征联合提取；(4)建立基于深度神经网络的高光谱数据分类模型；(5)通过迁移学习策略和防止过拟合方法完成模型的优化；(6)将所有待分类的样本点输入模型中进行分类，获取分类结果图。该方法中的分类器模型通过迁移学习策略优化训练，将源域数据中的特征迁移到目标域数据中。因而，该方法在训练样本的数量较小的情况下能够获得较高的分类精度。