基于表示学习的高光谱图像特征提取方法  

Feature Extraction Method for Hyperspectral Images Based on Representation Learning

作　　者：陈欣 CHEN Xin(Qingdao Binhai University,Qingdao 266555,Shandong,China)

机构地区：[1]青岛滨海学院,山东青岛266555

出　　处：《流体测量与控制》2025年第2期13-15,共3页Fluid Measurement & Control

基　　金：青岛滨海学院科技计划研究项目(青年)(2023KQY10)。

摘　　要：针对高光谱图像中的混合像元问题,提出了一种基于表示学习的特征提取方法。该方法利用深度学习技术,构建了一个高效的特征学习模型,旨在提升高光谱图像的分类精度和解译效率。实验结果表明,通过引入表示学习,成功降低了混合像元对分类结果的影响,显著提高了分类准确性,为高光谱图像处理领域提供了一种新的有效方法,并为遥感技术的进一步发展奠定了基础。This study proposes a feature extraction method based on representation learning to address the problem of mixed pixels in hyperspectral images.This method utilizes deep learning techniques to construct an efficient feature learning model aimed at improving the classification accuracy and decoding efficiency of hyperspectral images.The experimental results show that by introducing representation learning,this study successfully reduced the impact of mixed pixels on classification results and significantly improved classification accuracy.This study provides a new and effective method for hyperspectral image processing and lays the foundation for further development of remote sensing technology.

关 键 词：高光谱图像 混合像元 表示学习 特征提取 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置]