基于卷积神经网络的高光谱遥感目标多重分类识别

简介：
本研究利用卷积神经网络技术对高光谱遥感数据进行处理和分析，提出了一种高效的高光谱遥感目标多重分类识别方法。 在进行遥感图像多分类识别过程中，传统方法面临特征提取困难、分类精度不高以及可分类种类较少等问题。为此，研究了卷积神经网络（CNN）模型在高光谱遥感地物多分类中的应用可行性，并探讨了不同CNN模型对高光谱遥感地物的分类效果。 我们从ISPRS提供的Vaihingen数据集及Google Earth中采集图像信息，制作了一个包含6类地物的数据集。在此基础上增加了10种和14种类别的地物分别建立了两个额外的数据集。经过预处理后，通过设计神经网络结构、调整模型参数以及比较不同神经网络的效果，在三个不同的数据集中实现了超过95%的分类识别率。 实验结果表明，CNN模型在高光谱遥感中的多类别物体识别中具有较高的可行性和准确度，并为今后利用此类技术提供了参考依据。