高光谱遥感影像多级联森林深度网络分类算法

编号 zgly0001706629

文献类型 期刊论文

文献题名 高光谱遥感影像多级联森林深度网络分类算法

作者 武复宇  王雪  丁建伟  杜培军  谭琨 

作者单位 中国矿业大学自然资源部国土环境与灾害监测重点实验室  河北省第二测绘院  南京大学自然资源部卫星测绘技术与应用重点实验室  华东师范大学地理信息科学教育部重点实验室 

母体文献 遥感学报 

年卷期 2020年04期

年份 2020 

分类号 TP751 

关键词 遥感  高光谱遥感分类  多级联森林  旋转森林  集成学习  深度学习 

文摘内容 高光谱遥感技术在环境监测、应急保障、精细地物提取等方面有着广泛的应用,随着高分五号高光谱数据的正式发布,高光谱遥感技术将发挥更重要的作用。遥感影像分类作为高光谱遥感影像信息处理的重要部分,已成为当前研究重点。本文针对传统多级联森林深度学习中模型复杂、无法利用基分类器差异信息、对类间差异较小的样本无法正确区分等不足,提出了一种改进的多级联森林深度学习模型,在模型框架中,分别采用了随机森林和旋转森林作为基分类器,并引入逻辑回归分类器作为判别器用于训练层扩展。相较于传统的深度神经网络,改进的多级联森林深度网络超参数较少且能够自适应确定训练层,更方便进行模型优化。实验采用了高分五号数据集及两个公开的高光谱数据集(Indian Pines数据集及Pavia University数据集)进行精度评定,同时选择了传统分类器支持向量机、深度置信网等模型作为对比分析。实验结果表明,改进的多级联森林深度学习模型能有效地进行高光谱遥感影像分类,且较传统的分类方法精度有所提升。