一种利用空洞卷积的高光谱遥感图像分类方法

摘要

本发明涉及人工智能的深度学习与图像分类处理领域，尤其涉及利用深度卷积神经网络对高光谱图像的地物分类。在模型训练阶段，首先将待分类高光谱图像转换为带标签的单像素的多维图像，通过利用基于空洞卷积组合模型提取单像素的特征图谱，再构建一个具有三个卷积层、三个激活层的卷积神经网络提取主要特征，最后利用一层全连接和Softmax函数做分类器，完成单像素分类。本发明充分利用了高光谱遥感图像的光谱信息，解决了空洞卷积中的网格化问题，扩大了卷积感受野，提高了卷积效率，在减少参数量同时，提高了分类精度，是一种精确到像素的高效且轻量级的深度空洞卷积神经网络的高光谱遥感图像分类方法。