| 联合局部二值模式的CNN高光谱图像分类 |
| |
| 引用本文： | 魏祥坡,余旭初,张鹏强,职露,杨帆.联合局部二值模式的CNN高光谱图像分类[J].遥感学报,2020,24(8):1000-1009. |
| |
| 作者姓名： | 魏祥坡 余旭初 张鹏强 职露 杨帆 |
| |
| 作者单位： | 信息工程大学, 郑州 450001 |
| |
| 基金项目： | 河南省科技攻关计划项目(编号: 152102210014) |
| |
| 摘 要： | 卷积神经网络CNN（Convolutional Neural Networks）具有强大的特征提取能力，应用于高光谱图像特征提取取得了良好的效果，双通道CNN模型能够分别提取高光谱图像的光谱特征和空间特征，并实现了特征的决策级融合。局部二值模式LBP（Local Binary Patterns）是一种简单但有效的空间特征描述算子，能够减轻CNN特征提取的压力并提高分类精度。为了充分利用CNN的特征提取能力及LBP特征的判别能力，提出一种双通道CNN和LBP相结合的高光谱图像分类方法，首先，采用1维CNN（1D-CNN）模型处理原始高光谱数据提取深层光谱特征，同时采用另一个1D-CNN模型处理LBP特征数据进一步提取深层空间特征，然后，将两个CNN模型的全连接层进行连接，实现深层光谱特征和空间特征的融合，并将融合特征输入到分类层中完成分类。实验结果表明，该方法在Indian Pines数据、Pavia University数据及Salinas数据上能够分别取得98.54%、99.73%、99.56%的分类精度，甚至在有限数量的训练样本条件下也能取得较好的分类效果。
|
| 关 键 词： | 遥感 高光谱图像 分类 卷积神经网络 深度学习 局部二值模式 |
| 收稿时间： | 2018/8/14 0:00:00 |
CNN with local binary patterns for hyperspectral images classification |
| |
| WEI Xiangpo,YU Xuchu,ZHANG Pengqiang,ZHI Lu,YANG Fan.CNN with local binary patterns for hyperspectral images classification[J].Journal of Remote Sensing,2020,24(8):1000-1009. |
| |
| Authors: | WEI Xiangpo YU Xuchu ZHANG Pengqiang ZHI Lu YANG Fan |
| |
| Institution: | Information Engineering University, Zhengzhou 450001, China |
| |
| Abstract: | |
| |
| Keywords: | remote sensing hyperspectral image classification CNN deep learning LBP |
|
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
