基于多尺度级联卷积神经网络的高光谱图像分析

作者：朱逢乐; 刘益; 乔欣; 何梦竹; 郑增威; 孙霖^*

来源：吉林大学学报（工学版）, 2023, 53(12): 3547-3557.

DOI：10.13229/j.cnki.jdxbgxb.20220096

• 农业电气化与自动化
• 高光谱图像
• 化学计量学
• 多尺度级联卷积神经网络
• 扩张卷积
• 植物表型

在样本有限情况下对象级别的叶片高光谱图像建模中，提出了多尺度三维和一维级联卷积神经网络模型。首先，在三维卷积神经网络（3D-CNN）中嵌入扩张卷积增大卷积核感受野，构建了多尺度3D-CNN，提取和融合不同尺度的光谱-空间联合特征，在不增加网络参数的情况下提升了模型性能。然后，对最优多尺度3D-CNN网络级联一维卷积神经网络（1D-CNN），进一步降低计算复杂度和过拟合程度。最后，在罗勒叶片叶绿素含量回归和辣椒叶片干旱胁迫识别两类数据集上进行最优网络框架探究并对比了一系列基准CNN模型。结果表明，对于叶片高光谱图像回归和分类，本文模型均能在小样本条件下有效提升模型泛化性能并降低计算复杂度。

• 单位
  浙江工业大学; 浙江大学