MS-2HCNN:基于深度学习的高光谱图像信号分类方法OA北大核心CSTPCD

为了能更准确地提取与合并高光谱图像信号中的空间与光谱特征,提出了一种MS-2HCNN结构(Multi Stage-Heightened&Hyperspectral convolutional neural network)。MS-2HCNN通过融合不同的卷积层结果获得了更具判别性的特征,还通过将提取到的光谱和空间信息进行了串接,简化了计算,保证了准确性和可靠的分类性能。此外,提出的多阶段设计可以将上层获得的背景信息与下层获得的精确空间信息相结合,使得它在准确性和复杂度方面比现有的方法更有优势。最后,为了应对样本特征比问题,引入了复杂度更优、精度更好的网络优化器,加之采用的批量归一化方法减少了MS-2HCNN的模型参数并提高了其拟合能力。在不同开源数据集上的分类结果表明了所提方法的有效性。