多层级二值模式下的卷积网络高光谱影像分类

作者：职露; 胡涛; 尹宾宾^*; 余旭初; 王彦坤

来源：测绘地理信息, 2023, 1-7.

DOI：10.14188/j.2095-6045.2022568

• 高光谱影像分类
• 卷积神经网络
• 纹理特征
• 多层级二值模式
• 局部二值模式

卷积神经网络的高光谱影像分类能自动学习层次抽象特征、完成端到端分类，却需要较大样本量。针对如何改善小样本下卷积神经网络的高光谱影像分类效果，结合人工设计特征，提出多层级二值模式下的卷积网络高光谱影像分类方法。该方法先采用多层级二值模式进行高光谱影像纹理特征提取，从不同尺度反映影像的局部细节信息，生成更具鉴别性的特征。以此纹理先验特征为基础，利用卷积神经网络对其进行进一步的自动学习与分类。为验证该分类方法的有效性，选取空间分辨率、地物覆盖类型不同的PaviaU和Salinas高光谱影像实验数据，分别对局部二值模式、多层级二值模式、Gabor、GLCM（gray-level co-occurrence matrix）进行特征判别能力分析，并针对各特征开展卷积网络分类实验。结果表明，多层级二值模式下卷积网络分类总体分类精度分别达到91.98%、98.15%，优于纯光谱、Gabor等分类。

• 单位
  信息工程大学; 郑州师范学院; 天津飞眼无人机科技有限公司; 深圳职业技术学院