面向高光谱图像分类的局部Gabor卷积神经网络

	面向高光谱图像分类的局部Gabor卷积神经网络
	王燕; 王丽
刊名	计算机科学
	2020-01-06
期号	2020-06 页码:151-156
关键词	高光谱图像分类 Gabor滤波空间-光谱信息卷积神经网络深度学习
英文摘要	针对高光谱图像特征利用不足的问题,提出了一种新的基于空谱联合特征的高光谱图像分类方法。该方法首先利用主成分分析(Principal Component Analysis,PCA)和线性判别分析(Linear Discriminant Analysis,LDA)对高光谱图像进行组合降维;其次引入Gabor核,设计了一种基于Gabor核的卷积(Local Gabor Convolutional,LGC)层;最后基于LGC层设计了一个新的卷积神经网络(Local Gabor Convolutional Neural Network,LGCNN)进行分类。在Indian Pines和Salinas Scene数据集上对所提方法进行验证,并将其与其他经典分类方法进行比较。实验结果表明,该方法不仅能大幅度减少可学习的参数,降低模型复杂度,而且具备较好的分类性能,其总体精度达到99%,平均分类精度达到98%以上,Kappa系数达到98%以上。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/104267]
专题	计算机与通信学院
作者单位	兰州理工大学计算机与通信学院
推荐引用方式 GB/T 7714	王燕,王丽. 面向高光谱图像分类的局部Gabor卷积神经网络[J]. 计算机科学,2020(2020-06):151-156.
APA	王燕,&王丽.(2020).面向高光谱图像分类的局部Gabor卷积神经网络.计算机科学(2020-06),151-156.
MLA	王燕,et al."面向高光谱图像分类的局部Gabor卷积神经网络".计算机科学 .2020-06(2020):151-156.