期刊文献+

基于SSAE深度学习特征表示的高光谱遥感图像分类方法 被引量:3

Hyperspectral Remote Sensing Image Classification Method Based on SSAE Deep Learning Feature Representation
下载PDF
导出
摘要 针对遥感图像中高光谱数据的分类问题,提出一种基于堆叠稀疏自动编码器(SSAE)深度学习特征表示的高光谱遥感图像分类方法;首先,将光谱数据样本进行预处理和归一化;然后,将其输入到SSAE中进行特征表示学习,并通过网格搜索来获得最优网络参数,以此获得有效的特征表示;最后通过支持向量机(SVM)分类器对输入图像特征进行分类,最终实现遥感图像中像素的分类;在两个标准数据集上的实验结果表明,该方法能够实现准确的高光谱地物分类。 Aiming at the classification problem of hyperspectral data in remote sensing images,a hyperspectral remote sensing image classification method based on the deep learning feature representation by stacked sparse auto-encoder(SSAE)is proposed.First,the spectral data samples are pre-processed and normalized.Then,it is input into the SSAE for feature representation learning,and the grid search is used to obtain the optimal network parameters,thereby obtaining a valid feature representation.Finally,the input image features are classified by the support vector machine(SVM)classifier,and finally the pixels in the remote sensing image are classified.Experimental results on two standard datasets show that this method can achieve accurate hyperspectral landmark classification.
作者 商宏涛 施国良 Shang Hongtao;Shi Guoliang(Bussiness School,Hohai university,Nanjing 211100,China)
机构地区 河海大学商学院
出处 《计算机测量与控制》 2018年第10期291-294,共4页 Computer Measurement &Control
关键词 高光谱遥感图像分类 堆叠稀疏自动编码器 深度学习 特征表示 支持向量机 hyperspectral remote sensing image classification stacked sparse autoencoder deep learning feature representation Support vector machine
  • 相关文献

参考文献7

二级参考文献102

共引文献173

同被引文献45

引证文献3

二级引证文献16

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部