結(jié)合協(xié)方差池化與跨尺度特征提取的高光譜分類

摘要： 深度卷積神經(jīng)網(wǎng)絡(luò)在高光譜圖像分類任務(wù)上取得了優(yōu)越性能。但是，主流深度學(xué)習(xí)算法通常采用一階池化運(yùn)算，容易忽略光譜之間的相關(guān)性，因而難以獲取高階統(tǒng)計(jì)判別特征。另外，這類算法往往難以選擇最優(yōu)的窗口大小去捕獲不同感受野信息。針對(duì)上述問題，本文提出了一種結(jié)合協(xié)方差池化和跨尺度特征提取的高光譜影像分類方法。該方法設(shè)計(jì)了跨尺度自適應(yīng)特征提取模塊，能夠自動(dòng)提取多尺度特征，獲取不同視野的互補(bǔ)信息... （共16頁）