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. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论