基于卷积神经网络的高光谱图像深度特征提取与分类.docxVIP

下载本文档

2
0
约1.7万字
约 32页
2025-04-21 发布于北京
举报
版权申诉

基于卷积神经网络的高光谱图像深度特征提取与分类.docx

1、本文档共32页，其中可免费阅读10页，需付费89金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

code711.cn

基于卷积神经网络的高光谱图像深度特征提取与分类

摘要：基于深度学习的优点，本文提出了一种基于卷积神经网络(CNN)的正则化深度特征提取(FE)方法用于高光谱图像分类。该方法利用卷积层和池化层从hsi中提取具有非线性、判别性和不变性的深层特征。这些特征可用于图像分类和目标检测。此外，为了解决HSI分类的高维数不平衡和训练样本可用性有限这一常见问题，研究了L2正则化和dropout等策略来避免类数据建模中的过拟合。更重要的是，我们提出了一个基于cnn的三维有限元模型，结合正则化方法提取高光谱图像的有效光谱空间特征。最后，为了进一步提高性能，提出了一种虚拟样本增强方法。所提出