基于3D金字塔残差网络的高光谱图像分类方法

李明天; 佘海龙; 张衍爽; 徐人杰; 邹静洁; 解山娟

doi:10.19926/j.cnki.issn.1674-232X.2022.06.016

杭州师范大学学报（自然科学版） ›› 2022, Vol. 21 ›› Issue (6) : 664 -672. DOI: 10.19926/j.cnki.issn.1674-232X.2022.06.016

基于3D金字塔残差网络的高光谱图像分类方法

李明天, 佘海龙, 张衍爽, 徐人杰, 邹静洁, 解山娟

作者信息 +

Author information +

文章历史 +

PDF

摘要

鉴于提取高光谱图像深层次特征时，深度学习网络面临的网络层数加深、特征图数量增多、计算量增大、梯度消失等问题，提出了一种3D金字塔残差卷积神经网络，通过将3D卷积块引入金字塔残差模型中，实现了高光谱图像空谱特征的同时提取，并利用金字塔残差网络逐级增加特征图维度，大大降低了模型的参数量.Pavia University和Salinas数据集测试结果显示，该方法分别取得了99.936%和99.879%的总体分类精度，分类效果优于SVM、3D-CNN、ResNet18等3D卷积模型，且网络参数仅为ResNet18等模型的1%.可见，该方法达到了网络参数和图像分类精度的双优表现，是一种有效的高光谱遥感影像分类方法.