用于高光谱图像分类的多方向信息传播卷积神经网络构建方法

摘要

本发明公开了一种用于高光谱图像分类的多方向信息传播卷积神经网络构建方法，包括：输入端为以目标像素为中心的局部三维高光谱数据立方体样本；深度神经网络由隐层单元之间的二维卷积多层感知机、隐层单元内部的二维卷积感知机、池化层和全连接层构成；隐层单元内部的二维卷积感知机，是对隐层内部特征图按行或列方向分片，按照上下左右四个方向执行特征片之间的逐片卷积，从而传递不同方向像素的空间信息；输出层为输入的光谱像素的类别概率向量。该网络区别于经典卷积网络，在隐层内部构成特征通道间的空间信息传播机制，可以学习更具鉴别性的空谱特征，应用于高光谱监督分类，大幅度提升了少量样本下监督分类能力。