摘要

针对高光谱图像分类中,样本空间特征利用不足的问题。将深层残差网络作为特征提取器运用到高光谱图像分类中,利用深层残差网络更深的网络结构,挖掘样本邻域空间中的深层特征,实验证明此特征具有更好的可分性。同时,针对深层卷积网络有监督训练的过程中,由于有标签样本不足导致的过拟合现象,提出基于深度迁移学习方法的训练策略,通过迁移网络在另一相关数据集中训练得到的网络浅层卷积核参数,再使用目标数据集对深层卷积核参数进行微调,提高了残差网络在少量有标签样本情况下的分类效果。