科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明提出了一种结合深度学习和邻域集成的高光谱图像分类方法,主要解决现有技术使用训练样本多且分类效果差的问题,其技术方案：在高光谱数据中通过选取不同的邻域尺度,获得结合不同的空间信息的数据集；将不同空间信息的数据集分别输入到不同的自编码网络中,获得不同空间信息下的分类结果；将上述的分类结果进行连接,并作为训练数据训练一个新的自动编码器网络,作为最终的集成网络；将不同空间信息下的自编码器的对测试样本的分类结果进行连接构成集成网络的测试样本；将新的测试样本输入到集成网络,获得高光谱图像的最终分类结果。本发明使用训练样本少,分类精度高,可用于环境监测,土地利用和目标识别等。
- 单位
