三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类

所需积分/C币:43 2021-01-27 04:19:51 11.72MB PDF
26
收藏 收藏
举报

高光谱遥感影像分类通常基于地物光谱特征,但影像中同时还存在丰富的空间信息。空间信息的有效利用能显著提高图像分类效果。因其具有的特殊结构,卷积神经网络(CNN)已成功地应用在图像分类领域,对二维图像分类具有很好的效果。如何通过深度学习并结合空间光谱信息来提高分类性能是一个关键问题。结合高光谱影像中的空间特征与光谱信息,提出一种适合于高光谱像素级分类的深度学习三维卷积神经网络模型(3D-CNN),并在初始分类的基础上利用多标签条件随机场进行优化。选取三个通用公开高光谱数据集(Indian Pines数据集、Pavia University数据集、Pavia Center数据集)进行测试,结果表明分类优化后精度得到很大提升,总体精度可达98%,Kappa系数达到97.2%。

...展开详情
试读 10P 三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类 43积分/C币 立即下载
1/10
三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类第1页
三维卷积神经网络模型联合条件随机场优化的高光谱遥感影像分类第2页

试读结束, 可继续读1页

43积分/C币 立即下载 >