高 鑫，欧阳宁，袁 华

(桂林电子科技大学 信息与通信学院，广西 桂林 541004)

基于快速去噪和深度信念网络的高光谱图像分类方法

高 鑫，欧阳宁，袁 华

(桂林电子科技大学 信息与通信学院，广西 桂林 541004)

为了改善传统分类方法在高光谱遥感图像去噪和特征提取方面的不足，提出了一种基于快速去噪和深度信念网络的高光谱图像分类方法。该方法利用图像的二阶偏导数和梯度共同控制扩散速度，采用改进的自适应扩散系数对不同区域进行扩散，并利用深度信念网络对去噪后的图像进行地物分类。实验结果表明，与传统的分类方法相比，该方法提高了高光谱图像地物分类的精度。

去噪；高光谱；深度信念网络；图像分类

遥感技术[1]是一种利用安装在卫星等航空飞行器上的成像设备对地面物体进行光谱信息收集的一门技术。在遥感技术蓬勃发展的今天，通过卫星上的遥感仪器，人们可以对地球表面诸如森林、草地、农作物、动物、土壤、水和矿物等资源实施监控[2]。

目前，主要使用人工神经网络ANN[3]、支持向量机SVM[4-5]等方法进行高光谱图像的分类工作。2006年，Hinton等[6]提出深度信念网络DBN，使深度学习作为机器学习的一个新兴研究方向。虽然DBN网络模型在高光谱图像的分类上取得了不错的效果，但该方法对高光谱数据的去噪处理还停留在简单去除噪声波段[7]，未对去除噪声波段后的数据进一步去噪。针对这一问题，对传统的扩散平滑算法进行了改进，提出一种自适应扩散系数和联合边缘检测的算法，对高光谱图像进行去噪处理，再利用深度信念网络对图像进行分类。……