期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
融合光谱滤波的高光谱图像分类深度网络 预览 被引量:3
1
作者 张巨萍 高光来 苏向东 《计算机科学与探索》 CSCD 北大核心 2018年第11期1806-1814,共9页
目前,大量深度学习方法被用于提取超光谱图像特征来完成像素点分类任务。这些超光谱图像虽然经过一系列前期处理,但是仍然包含很多噪声,噪声同时存在于光谱域和空间域。由于这些方法在提取图像深层特征时大多只进行了空间域去噪处理,没... 目前,大量深度学习方法被用于提取超光谱图像特征来完成像素点分类任务。这些超光谱图像虽然经过一系列前期处理,但是仍然包含很多噪声,噪声同时存在于光谱域和空间域。由于这些方法在提取图像深层特征时大多只进行了空间域去噪处理,没有进行光谱域噪声的滤除,最终获得的像素点深度特征中带有噪声,降低了分类精度。结合分类效果出色的空谱学习网络(spectral-spatial network,SSN),提出两种融合光谱域滤波的深层特征学习模型——Saviztky-Galoy滤波空谱学习网络(SG-SSN)和中值滤波空谱学习网络(MF-SSN)。两个模型首先分别对图像光谱域进行SG滤波和中值滤波,接着对滤波后的图像使用SSN学习图像深层特征。在两个标准数据集上,使用总体精度(overall accuracy,OA)、平均精度(average accuracy,AA)以及Kappa系数度量分类效果,发现融合光谱滤波的SG-SSN和MF-SSN模型能有效提升空谱学习网络的分类精度。利用实验比较和分析了深层特征学习中模型层数对模型性能的影响。 展开更多
关键词 超光谱图像 SG滤波 中值滤波 空谱网络(SSN)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈