论文部分内容阅读
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