三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类

CIOMP OpenIR

	三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类
	李竺强; 朱瑞飞; 高放; 孟祥玉; 安源; 钟兴
	2018
发表期刊	光学学报
期号	08 页码:404-413
摘要	高光谱遥感影像分类通常基于地物光谱特征,但影像中同时还存在丰富的空间信息。空间信息的有效利用能显著提高图像分类效果。因其具有的特殊结构,卷积神经网络(CNN)已成功地应用在图像分类领域,对二维图像分类具有很好的效果。如何通过深度学习并结合空间光谱信息来提高分类性能是一个关键问题。结合高光谱影像中的空间特征与光谱信息,提出一种适合于高光谱像素级分类的深度学习三维卷积神经网络模型(3D-CNN),并在初始分类的基础上利用多标签条件随机场进行优化。选取三个通用公开高光谱数据集(Indian Pines数据集、Pavia University数据集、Pavia Center数据集)进行测试,结果表明分类优化后精度得到很大提升,总体精度可达98%,Kappa系数达到97.2%。
关键词	遥感高光谱影像空间-光谱信息三维卷积神经网络条件随机场
文献类型	期刊论文
条目标识符	http://ir.ciomp.ac.cn/handle/181722/61465
专题	中国科学院长春光学精密机械与物理研究所
推荐引用方式 GB/T 7714	李竺强,朱瑞飞,高放,等. 三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类[J]. 光学学报,2018(08):404-413.
APA	李竺强,朱瑞飞,高放,孟祥玉,安源,&钟兴.(2018).三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类.光学学报(08),404-413.
MLA	李竺强,et al."三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类".光学学报 .08(2018):404-413.