生成对抗网络扩充样本用于高光谱图像分类

来源：电子测量技术杂志2022年第3期北京时间：

作者：刘雪峰，刘佳明，付民

单位：1.青岛科技大学 自动化与电子工程学院，山东 青岛 266061;2.中国海洋大学，信息科学与工程学院，山东 青岛266101

摘要：高光谱图像包含着丰富的地理位置信息和光谱信息，高光谱图像分类是遥感领域的一个基础而又重要的研究方向。然而，高光谱图像样本数量不足仍然是限制分类精度进一步提升的主要问题。生成对抗网络中生成器和判别器的不断地对抗学习，最终理想状态为，生成器生成的伪样本判别器无法判别，生成与真实样本非常相似的伪数据样本。文章通过生成对抗网络来依据原有的少量样本，生成新的伪样本，解决样本获取困难、样本数量不足的问题。实验在两个高光谱图像数据集上分别选取200个和400个样本点进行实验，在生成对抗网络中生成新的伪样本，进行分类训练。与SVM、3DCNN等分类方法在同样是样本不足的情况下比较下，分类整体的平均精度得到明显定提升，实验证明文中分类方法的分类表现优于相比的其他分类方法。

关键词：高光谱图像;深度学习;生成对抗网络;图像分类;卷积网络;样本扩充

基金资助：国家自然科学基金资助项目（61971253）