技术总结
本发明公开了一种基于深度学习的高光谱图像分类方法，属于遥感图像处理技术领域，首先通过数据样本的获取、自编码网络的逐层训练及采用BP算法对预训练得到初始权值的进一步调整，实现对高光谱图像的降维处理。然后取高光谱图像中每一个像元邻域内的数据立方体作为卷积神经网络的输入，像元对应的地物种类作为卷积神经网络的期望输出，训练卷积神经网络，并将训练好的卷积神经网络作用于整幅高光谱图像，得到最后高精度分类结果。本发明克服了传统高光谱图像分类问题中降维过程中丢弃细节、分类时空间信息丢失、分类精度低的弊端，达到了较好的分类精度，适合于各种高光谱图像的分类。
技术研发人员：胡少兴;袁林
受保护的技术使用者：北京航空航天大学
文档号码：201710052345
技术研发日：2017.01.24
技术公布日：2017.06.13