基于多尺度谱空卷积神经网络的高光谱图像分类方法

摘要

本发明公开了一种多尺度谱空卷积神经网络的高光谱图像分类方法，主要解决现有技术在谱间特征提取和空间特征提取时仅提取单一尺度特征的缺点和对于样本分布不集中或样本量很少的地物类别分类效果差的问题。其实现方案是：1)输入高光谱图像，生成样本数不同的训练样本集和测试样本集；2)构建多尺度谱空卷积神经网络；3)将训练集输入到多尺度谱空卷积神经网络获得预测类别，用预测类别和真实标签计算铰链交叉熵损失，利用随机梯度下降法对该网络进行训练，直到铰链交叉熵损失收敛；4)将测试样本输入到训练好的多尺度谱空卷积神经网络得到分类结果。本发明能在少训练样本下获得高准确率的分类，可用于对高光谱图像的地物种类探测。