技术特征：
技术总结
本发明提供的一种基于改进深度学习模型的高光谱图像分类方法，涉及高光谱图像技术领域。该方法首先采用一个或几个卷积层与池化层交替构建提取图像特征，再分别对得到的图像特征进行多次随机抽取构建多种分类模型，通过不同的分类模型进行分类，最后对多个分类结果投票，以少数服从多数的原则得到最终的分类结果，完成对集成深度学习网络模型的构建。同时对待分类的高光谱图像数据的进行重构，在保留高光谱图像的空谱信息的同时增大数据的稀疏性，使高光谱图像易于分类模型处理。本发明提供的基于改进深度学习模型的高光谱图像分类方法，计算参数量少，并得到了较高的分类准确性，实现了对高光谱图像中地物的精细分类。
技术研发人员：杨爽;刘军
受保护的技术使用者：东北大学
技术研发日：2018.02.26
技术公布日：2018.08.10