融合多维度CNN的高光谱遥感图像分类算法

随着计算机深度学习技术的不断发展,卷积神经网络（Convolutional Neural Network, CNN）作为代表算法,为高光谱图像分类提供了新的解决方案。但是,因为数据量迅速膨胀,复杂模型的分类精度和速度并不令人满意。因此提出了一种面向高光谱图像分类的轻量级融合CNN算法3D-2D-1D CNN。该算法融合不同维度的CNN,联合空间信息和光谱信息进行高光谱遥感图像分类。利用Indian Pines、Pavia University、Salinas Scene和WHU-Hi-Han Chuan数据集对该算法进行测试,结果显示,总体分类精度分别达到99.65%、99.95%、100%和99.85%;与3D CNN算法和3D-2D CNN算法相比,训练时间和测试时间都明显降低。研究表明,所提算法能够在保证高分类精度的前提下有效地提高数据的分析速度。所提算法综合利用三种CNN对高光谱空-谱联合信息的抽象表达能力,有效促进了CNN在高光谱遥感图像分类领域中的应用。