典型文献
一种高光谱遥感影像的三维卷积神经网络语义分割方法
文献摘要：
高光谱图像具有丰富的光谱信息和空间信息,综合运用空间特征和光谱特征是提高高光谱图像分类精度的关键.针对传统二维的卷积神经网络无法充分利用高光谱丰富光谱信息的问题,设计一种基于三维卷积神经网络(Three-dimensional convolutional neural network,3D-CNN)的深度卷积编解码网络,将三维卷积神经网络引入编码结构,同时提取光谱和空间特征,并且在池化层引入池化索引策略;解码部分利用最大池化索引上采样操作.两个高光谱遥感影像公开数据集的分类实验结果表明,实现了高光谱的空间和光谱特征的融合提取,较基于2D-CNN的分类方法能够获得更高的分类精度.
文献关键词：
高光谱图像;三维卷积神经网络;语义分割;光谱特征
中图分类号：
作者姓名：
张芳菲;穆潇莹
作者机构：
渤海大学 信息科学与技术学院,辽宁 锦州121013;中电太极(集团)有限公司,北京100083
文献出处：
引用格式：
[1]张芳菲;穆潇莹-.一种高光谱遥感影像的三维卷积神经网络语义分割方法)[J].渤海大学学报（自然科学版）,2022(04):370-376
A类：
B类：
高光谱遥感影像,三维卷积神经网络,语义分割,分割方法,光谱信息,空间信息,空间特征,光谱特征,高光谱图像分类,分类精度,Three,dimensional,convolutional,neural,network,深度卷积,卷积编解码网络,入编,编码结构,同时提取,索引,最大池化,引上,上采样,公开数据集,2D,分类方法
AB值：
0.252817
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
