本發(fā)明提出了一種基于深度遷移學習的高光譜圖像分類方法,主要解決現有技術在小樣本訓練條件下分類精度低的問題,其方案為:基于區(qū)域聚類的空間預處理方法對高光譜圖像進行超像素分割得到超像素塊;使用自編碼網絡提取超像素塊特征;對超像素塊特征進行譜聚類得到偽標簽;使用偽標簽對3DCNN網絡進行訓練得到預訓練模型;構建融合網絡,并將預訓練模型參數遷移到該融合網絡中,使用真實標簽對其進行訓練;使用訓練好的融合模型對高光譜圖像進行分類。本發(fā)明采用改進的高光譜像元聚類方式和遷移學習方法,既生成了高質量的偽標簽,又提升了遷移后模型的效果,提高了高光譜圖像的分類精度,可應用于災害監(jiān)測、地質勘探、城市規(guī)劃、農業(yè)和考古。
聲明:
“基于深度遷移學習的高光譜圖像分類方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)