大家好,欢迎来到IT知识分享网。
本文内容来源于《测绘学报》2021年第10期(审图号GS(2021)6119号)
1
, 刘冰
1
, 余旭初
1
, 张鹏强
1
, 高奎亮
1
, 朱恩泽
2
2. 武警安徽省总队机动支队, 安徽 合肥
基金项目:
国家自然科学基金()
摘要:现有的基于卷积神经网络的高光谱影像分类方法通常对影像的规则正方形区域进行卷积,无法普遍适应具有不同地物分布和几何外观的影像局部区域,因此在小样本情况下的分类性能较差,而图卷积网络能对图拓扑信息所代表的不规则影像区域进行卷积。为此,本文提出基于图卷积网络的高光谱影像分类方法。该方法在构建拓扑图的过程中考虑了影像的空间光谱信息,并利用图卷积网络聚合邻居节点的特征信息。在Pavia大学、Indian Pines和Salinas 3个数据集上的试验结果表明,该方法能在训练样本较少的情况下取得较高的分类精度。
关键词:高光谱影像分类 局部二值模式 图卷积网络 小样本
:http://xb.sinomaps.com/article/2021/1001-1595/2021-10-1358.htm
|
Fig. 1 Flow chart of hyperspectral image classification method based on graph convolution network |
|
,记录影像各像素点的邻居点数量。则图卷积可以定义为傅里叶域中图像信号x∈RN与滤波器gθ=diag(θ)的乘积,计算公式为
(1)
(2)
(3)
是L的最大特征值;θ∈Rk是切比雪夫系数向量。理论上,图卷积模型是由式(3)所示的卷积层堆叠而成,为进一步避免过度拟合,减少计算量,文献[26]限制K=1, 将λmax近似为2,同时约束参数数量,计算公式为
(4)
。随后将上述定义推广到高维信号X∈RN×C的情况,在GCN模型的第l+1层有
(5)
(6)
(7)
(8)
(9)
|
Fig. 2 Example of LBP code calculation of center pixel in eight-neighborhood window |
|
|
Fig. 3 Flow chart of RULBP feature extraction from hyperspectral images (taking the University of Pavia dataset as an example) |
|
Tab. 1 Data set division of Pavia university data set
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Tab. 2 Data set division of Indian Pines data set
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Tab. 3 Division of Salinas data set
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Fig. 4 Classification accuracy corresponding to different neighbor nodes (%) |
|
Tab. 4 Overall classification accuracy and train time corresponding to different network structures
|
|
|
|
|||||
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
Fig. 5 The loss function curve corresponding to different learning rates |
|
Tab. 5 Classification results of different algorithms on Pavia university data set
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Tab. 6 Classification results of different algorithms on Indian Pines data set
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Tab. 7 Classification results of different algorithms on Salinas data set
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Fig. 6 qThe classification results obtained by selecting different number of training samples from Pavia University dataset |
|
|
Fig. 7 The classification results obtained by selecting different number of training samples from Indian Pines dataset |
|
|
Fig. 8 The classification results obtained by selecting different number of training samples from Salinas dataset |
|
Tab. 8 Efficiency comparison on three data sets (5 marked samples for each type of ground object are selected as training samples)
|
|
|
|
|||||
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
作者简介
第一作者简介:
左溪冰(1996-), 男, 硕士生, 主要研究方向为机器学习与高光谱图像处理。E-mail:
zuoxibing1015@163.com
通信作者:
刘冰, E-mail: liubing@126.com
左溪冰(1996-), 男, 硕士生, 主要研究方向为机器学习与高光谱图像处理。E-mail:
zuoxibing1015@163.com
刘冰, E-mail: liubing@126.com
初审:张艳玲
初审:张艳玲
往期推荐
资讯
会议
《测绘学报》
○《测绘学报》2021年第10期目录
○ 测绘学报 | 宗敬文:测高重力异常中央区奇异积分数值求积公式
○ 测绘学报 | 黄良珂:顾及时变递减因子的中国大陆地区大气可降水量垂直改正模型
○ 测绘学报 | 叶沅鑫:结合邻域信息和结构特征的遥感影像变化检测
《测绘通报》
○ 室内高精度三维测图新技术
○ 面向上海城市数字化转型的新型测绘
○ 图像全站仪及图像测量发展与展望
○《测绘通报》2021年第9期目录
《北京测绘》
○《北京测绘》2021年第8期摘要推荐(下)
○《北京测绘》2021年第8期摘要推荐(上)
○《北京测绘》2021年第7期摘要推荐(下)
○《北京测绘》2021年第7期摘要推荐(上)
《测绘科学技术学报》
○ 《测绘科学技术学报》2021年第1期重点论文推荐
○ 摘要 |《测绘科学技术学报》2021年第3期摘要推荐
○ 摘要 |《测绘科学技术学报》2021年第2期摘要推荐
○ 摘要 |《测绘科学技术学报》2021年第4期摘要推荐
○ 摘要 |《测绘科学技术学报》2021年第5期摘要推荐
《地球信息科学学报》
○ 《地球信息科学学报》2021年第10期佳文推介
○ 《地球信息科学学报》2021年第9期佳文推介
○ 《地球信息科学学报》2021年第8期佳文推介
○ 专刊征稿:社会感知与地理大数据挖掘(征稿中)
《测绘工程》
○ 摘要 |《测绘工程》2021年第5期摘要推荐
○ 摘要 |《测绘工程》2021年第4期摘要推荐
○ 摘要 |《测绘工程》2021年第3期摘要推荐
○ 测绘教学 | 后疫情时代“线上+线下”混合教学模式创新——以测绘类课程视角
《中国空间科学技术》
○ 摘要 |《中国空间科学技术》2021年第4期摘要推荐
○ 摘要 |《中国空间科学技术》2021年第3期摘要推荐
○ 摘要 |《中国空间科学技术》2021年第2期摘要推荐
○ 火卫二地形地貌探测综述
《卫星应用》
○ 摘要 |《卫星应用》2021年第8期摘要推荐
○ 摘要 |《卫星应用》2021年第7期摘要推荐
○ 摘要 |《卫星应用》2021年第6期摘要推荐
○ 综述 | 北斗系统应用趋势分析
《Journal of Geodesy and Geoinformation Science》
○ 专刊征稿 | Call for Papers:空间人文与社会地理计算 (SHGSS)
○ Special Issue on New LiDAR Technologies and Techniques
○ 《测绘学报(英文版)》(JGGS)LiDAR专刊发布
○ Special Issue on New LiDAR Technologies and Techniques
○ 论文推荐(四)| Speical Issue on New LiDAR Technologies and Techniques
《Satellite Navigation》
○ [综述]| 高扬教授:GNSS智能手机定位:进展、挑战、机遇和未来展望| SANA佳文速递
○ 熊超教授:地磁暴期间夜间低纬电离层和赤道等离子体不规则体| SANA佳文速递
○ 徐元博士:面向有色测量噪声下UWB/INS组合行人导航的分布式卡尔曼滤波| SANA佳文速递
○ 杨飞博士:GNSS天顶对流层精化模型的构建与分析| SANA佳文速递
《自然资源遥感》
○ 《自然资源遥感》入驻“智绘科服”融媒体平台!
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/50585.html