论文部分内容阅读
深度网络以其可以自主学习获得更好表达高光谱数据本身特点的深层特征的能力,使之在高光谱图像分类任务与应用中得到普及,并有着突出的表现。但是,基于深度网络的高光谱分类方法仍面临图像精细特征丢失,信息冗余,空-谱融合特征可判别性弱等问题。本文基于深度网络的空谱多层次特征提取和融合展开研究工作,以提取到更具判别性的光谱与空间特征,并有效地进行空-谱融合对高光谱图像分类。本文主要工作如下:1.针对高光谱图像高维信息丰富及光谱波段间相关性强,模型训练时易产生过拟合,分类精度下降的现象,提出一种基于交叉分组空谱特