基于TSNE和多尺度稀疏自编码的高光谱图像分类

来源：计算机工程与应用杂志2019年第21期北京时间：

作者：董安国，张倩，刘洪超，梁苗苗

单位：1.长安大学 理学院，西安 710064；2.江西理工大学 信息工程学院，江西 赣州 341000

摘要：针对高光谱图像存在维数“灾难”、特征以及空间信息利用不足的问题，结合深度学习、流形学习及多尺度空间特征的最新进展，提出了一种TSNE和多尺度稀疏自编码网络的高光谱图像分类算法。利用TSNE算法对高光谱图像进行降维，再对每个像元的邻域进行多尺度空间特征提取，利用加入空谱联合信息的像元训练稀疏自编码网络模型并通过softmax分类器进行分类，减少计算复杂度，提高分类精确度。通过对Indian Pines及Pavia University两组数据进行实验，结果表明，提出的算法与其他五种算法相比分类效果更好。

关键词：高光谱图像,深度学习,多尺度空间特征,流形学习