| 利用同质区特性的高光谱图像迁移学习分类 |
| |
| 引用本文： | 周绍光,吴昊,赵婵娟,陈仁喜.利用同质区特性的高光谱图像迁移学习分类[J].计算机工程与应用,2021,57(21):224-233. |
| |
| 作者姓名： | 周绍光 吴昊 赵婵娟 陈仁喜 |
| |
| 作者单位： | 河海大学 地球科学与工程学院,南京 211100 |
| |
| 摘 要： | 深度卷积神经网络能充分利用特征间的内在联系,提高高光谱影像的可分性,近年来受到了广泛关注.但是,训练深度网络模型对大量标记样本的需求限制了此类方法的应用.将迁移学习思想引入遥感影像分类以减少对标记样本数量的需求.具体研究目标图像中每类只有一个标记样本的情况.通过对目标图像分割得到的同质区扩增目标域的训练样本数量,在此基础上运用深度孪生卷积神经网络减少源域图像与目标域图像的分布差异,实现对目标高光谱图像的最终分类.实验结果表明:同质区和孪生卷积网络的结合可提高半监督迁移学习分类的效果,较好地解决跨区域的高光谱图像分类问题.
|
| 关 键 词： | 高光谱图像分类 孪生神经网络 图像分割 同质区 单样本学习 半监督迁移学习 |
Transfer Learning for Hyperspectral Image Classification Using Homogeneous Area Characteristics |
| |
| ZHOU Shaoguang,WU Hao,ZHAO Chanjuan,CHEN Renxi.Transfer Learning for Hyperspectral Image Classification Using Homogeneous Area Characteristics[J].Computer Engineering and Applications,2021,57(21):224-233. |
| |
| Authors: | ZHOU Shaoguang WU Hao ZHAO Chanjuan CHEN Renxi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
