| 一种基于可变形卷积的高光谱图像分类算法 |
| |
| 引用本文： | 唐婷,潘新.一种基于可变形卷积的高光谱图像分类算法[J].光电子．激光,2022,33(5):488-494. |
| |
| 作者姓名： | 唐婷 潘新 |
| |
| 作者单位： | 内蒙古农业大学 计算机与信息工程学院,内蒙古 呼和浩特 010018,内蒙古农业大学 计算机与信息工程学院,内蒙古 呼和浩特 010018 |
| |
| 基金项目： | 国家自然基金(61962048,61562067)和中央级基本科研业务费(1610332020020)资助项目 (内蒙古农业大学计算机与信息工程学院,内蒙古呼和浩特 010018) |
| |
| 摘 要： | 随着深度学习的不断发展,基于深度学习的机器 视觉方法被广泛应用,其中,卷积神 经网络(convolutional neural network,CNN)对高光谱图像(hyperspectral imagery,HSI ) 分类有着显著的效果。传统卷积网络中卷积核的采样位置是固定的,不能根据HSI中复杂的 空间结构而改变,忽略了数据在空间分布上的特征,为了提高高光谱图像分类在实际应用中 的性能,本文提出了一种基于可变形卷积的高光谱图像分类方法,考虑到HSI高维度的特性 , 将可变形卷积从2D引伸到3D,从而更好地提取3D空间上的特征。本文结合双分支双注意机制网络(double- branch dual-attention mechanism network,DBDA)的网络结构和3D可变形卷积,在Indi an Pines(IP)和Botswana(BS)2个数据集上进行了实验。实验结果表明,本文的方法在 综合精度(overall accuracy, OA) 、平均精度(average accuracy, AA)、KAPPA评价标准上均获得了更好的分类准确 率,相较于次优算法,OA提高了0.15%—0.23%,AA提高了0.21%, KAPPA提高了0.000—0.001。
|
| 关 键 词： | 高光谱图像分类 可变形卷积 深度学习 卷积神经网络 |
| 收稿时间： | 2021/8/13 0:00:00 |
A hyperspectral image classification algorithm based on deformable convolution |
| |
| TANG Ting and PAN Xin.A hyperspectral image classification algorithm based on deformable convolution[J].Journal of Optoelectronics·laser,2022,33(5):488-494. |
| |
| Authors: | TANG Ting and PAN Xin |
| |
| Institution: | College of computer and information engineering,Inner Mongolia Agricultural University,Hohhot,Inner Mongolia 010018, China and College of computer and information engineering,Inner Mongolia Agricultural University,Hohhot,Inner Mongolia 010018, China |
| |
| Abstract: | |
| |
| Keywords: | hyperspectral image classification deformable convolution deep learni ng convolutional neural network |
|
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
| 点击此处可从《光电子．激光》下载免费的PDF全文 |
|
