基于空谱融合网络的高光谱图像分类方法

来源：计算机应用杂志2018年第7期北京时间：

作者：欧阳宁, 朱婷, 林乐平

单位：1. 认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学), 广西 桂林 541004;2. 桂林电子科技大学 信息与通信学院, 广西 桂林 541004

摘要：针对高光谱图像分类中提取的空-谱特征表达能力弱及维数较高的问题，提出一种基于空-谱融合网络（SSF-Net）的高光谱图像分类方法。首先，利用双通道卷积神经网络（Two-CNN）同时提取高光谱图像的光谱和空间特征；其次，使用多模态压缩双线性池化（MCB）将所提取的多模态特征向量的外积投射到低维空间，以此产生空-谱联合特征。该特征融合网络，既可以分析光谱特征和空间特征向量中元素之间的复杂关系，同时也避免对光谱和空间向量直接进行外积计算，造成维数过高、计算困难的问题。最终实验表明，与现有基于神经网络的分类方法相比，所提出的高光谱图像分类算法能够获得更高的像元分类精度，表明该网络所提取的空-谱联合向量对高光谱图像具有更强的特征表达能力。

关键词：空-谱融合网络,多模态压缩双线性池化,特征融合,外积,高光谱图像分类

基金资助：国家自然科学基金资助项目（61661017，61362021）；广西自然科学基金资助项目（2017GXNSFBA198212，2014GXNSFDA118035，2016GXNSFAA38014）；广西科技创新能力与条件建设计划项目（桂科能1598025-21）；桂林科技开发项目（20150103-6）；中国博士后科学基金资助项目（2016M602923XB）；桂林电子科技大学研究生教育创新计划资助项目（2016YJCXB02）；认知无线电与信息处理重点实验室基金资助项目（CRKL160104，