科研之友
微信
新浪微博
Facebook
分享链接
摘要
高光谱图像具有丰富的光谱信息和空间信息，综合运用空间特征和光谱特征是提高高光谱图像分类精度的关键.针对传统二维的卷积神经网络无法充分利用高光谱丰富光谱信息的问题，设计一种基于三维卷积神经网络(Three-dimensional convolutional neural network, 3D-CNN)的深度卷积编解码网络，将三维卷积神经网络引入编码结构，同时提取光谱和空间特征，并且在池化层引入池化索引策略；解码部分利用最大池化索引上采样操作.两个高光谱遥感影像公开数据集的分类实验结果表明，实现了高光谱的空间和光谱特征的融合提取，较基于2D-CNN的分类方法能够获得更高的分类精度.
