基于3D-CNN和ResNet的高光谱图像分类  

作　　者：王鑫 

机构地区：[1]广西农业职业技术大学,广西南宁530000

出　　处：《电脑知识与技术》2023年第16期23-25,共3页Computer Knowledge and Technology

基　　金：基于无人机遥感图像的水稻产量估测研究(YKJ2233)广西农业职业技术大学-校级课题。

摘　　要：针对高光谱图像分类提出了基于3D-CNN和ResNet的3D-CNN-RES模型。高光谱图像经过PCA降维处理后,通过3D-CNN实现对高光谱图像的空谱特征提取,然后使用ResNet完成对图像的快速特征提取,在充分提取高光谱图像特征的同时,降低了网络的复杂度,提高了模型的地物表达能力。最后,高光谱图像分类任务通过Softmax分类损失函数来实现。通过实验验证,该算法模型相比SVM、2D-CNN和3D-CNN在Indian Pines数据集的分类结果中取得了较高的分类精度。

关 键 词：高光谱图像分类 3D卷积神经网络 PCA ResNet Indian Pines 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置]