融合雷达数据的高光谱图像分类
李琦1
崔行帅2
张雅静1
解玉琪3
1.中国石油大学(华东)海洋与空间信息学院 青岛 2665802.中国石油大学(华东)计算机科学与技术学院 青岛 2665803.中国重型汽车集团有限公司 济南 250000
摘要：高光谱图像分类是高光谱遥感的一项重要内容.然而,由于高光谱数据光谱波段信息丰富,且仅对材质信息敏感等特性,导致高光谱分类中易出现"维度灾难"、对高度信息不敏感等问题,这使得高光谱图像分类面临巨大的挑战.为解决上述问题,论文设计了一种双路DenseNet网络(Double-Branch DenseNet,DBD).该网络其中一路对高光谱数据进行特征处理,压缩光谱维度,降低"维度灾难"的影响,并同步提取高光谱数据的光谱特征和空间特征;另一路通过密集连接提取雷达数据的高程特征.两路特征进行特征级融合,得到具有高程信息的高光谱特征,从而进行分类.通过实验证明,将富含高程信息的雷达数据与富含光谱信息的高光谱数据融合后进行分类的分类结果要优于单纯使用高光谱数据进行分类.
关键词：高光谱图像分类数据融合DenseNet网络
分类号：TN957.51(雷达)
资助基金：NSFC-山东联合基金(U1906217)
论文发表日期：2023-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 798-802 )
英文信息