高光谱图像深度学习分类模型研究  

Research on deep learning models for hyperspectral image classification

作　　者：蒲生亮 PU Shengliang(Key Laboratory of Mine Environment Nonitoring and Improving around Poyang Lake,Ministry of Natural Resources,Nandrang 330013,China;Faculty of Geomatics,East China University of Technology,Nanchang 330013,China)

机构地区：[1]自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室,江西南昌330013 [2]东华理工大学测绘工程学院,江西南昌330013

出　　处：《测绘学报》2023年第1期172-172,共1页Acta Geodaetica et Cartographica Sinica

基　　金：东华理工大学科研基金(DHBK2019192);自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室开放基金(MEMI-2021-2022-26)。

摘　　要：光学遥感成像传感器光谱分辨率的提高,使得通过地物光谱属性精细地识别和解译地物类别成为可能,不仅促进了对地遥感观测技术的发展,也使得高光谱遥感成为遥感领域最前沿的研究方向之一。随着机器学习、模式识别和人工智能等技术领域的快速发展,高光谱遥感图像分类研究受到广泛关注,内容包括:如何利用高光谱遥感数据中包含精细光谱特征的优势。

关 键 词：深度学习 高光谱图像 光谱分辨率 光学遥感成像 高光谱遥感数据 机器学习 模式识别 地物光谱 

分 类 号：P232[天文地球—摄影测量与遥感]