基于卷积神经网络的高光谱图像分类研究

为了解决传统图像分类方法对高光谱图像分类时表现出光谱信息利用不足的问题,提出一种基于卷积神经网络的高光谱图像分类算法。该算法通过设计输入层、卷积层、池化层、全连层、输出层,逐像素分析实验数据光谱信息,利用设计的神经网络展开代价函数值的递进计算,实现对光谱特征的提取分类。试验中采用的是University of Pavia高光谱遥感影像数据,利用监督分类、非监督分类以及本文的卷积神经网络分类方法进行了实验之后又利用kappa系数对传统的经典分类方法和本文提出的卷积神经网络算法进行精度和效率评价对比以及分析。实验结果表明,与传统分类方法进行比较,该方法有较高的分类精度。