基于深度卷积神经网络的空谱联合的高光谱图像分类方法

摘要

本发明涉及一种基于深度卷积神经网络的空谱联合的高光谱图像分类方法，将传统的应用在二维图像上的深度卷积神经网络引入到三维高光谱图像分类问题中来。首先，利用少量标签数据，训练卷积神经网络，并利用该网络自主提取高光谱图像的空谱特征，不需要任何压缩降维的处理；然后，利用提取到的空谱特征训练支持向量机(SVM)分类器，对图像进行分类；最后，结合已训练好的神经网络和训练好的分类器，神经网络提取待分类目标的空谱特征，分类器确定提取出的空谱特征的具体类别，得到一个能够自主提取高光谱图像的空谱特征并对其进行分类的结构(DCNN‑SVM)，从而形成一套高光谱图像分类的方法。