朱 江， 胡华全， 范雯琦

(1. 装备学院 研究生管理大队, 北京 101416； 2. 装备学院 复杂电子系统仿真实验室, 北京 101416； 3. 北京跟踪与通信技术研究所, 北京 100094)

基于深度神经网络的高光谱遥感影像分类方法研究

朱 江1， 胡华全2， 范雯琦3

(1. 装备学院 研究生管理大队, 北京 101416； 2. 装备学院 复杂电子系统仿真实验室, 北京 101416； 3. 北京跟踪与通信技术研究所, 北京 100094)

分类是高光谱遥感影像处理中最为重要的一部分。针对现有影像分类方法存在预处理复杂、高维特征提取困难、分类不够精确等缺陷，提出一种基于深度神经网络的高光谱遥感影像分类算法。算法首先采用最大噪声分数来降低特征空间维度，然后将自动编码器与softmax多项逻辑回归分类器组合成含有多隐藏层的神经网络，对高光谱遥感影像进行非监督型深度特征提取与分类。实验结果表明：与传统的基于线性支持向量机分类方法相比，本算法可提取更高级的表达特征，并在较短的处理时间内实现较好的影像分类精度。

高光谱遥感；影像分类；深层神经网络；自动编码器；最大噪声分数

高光谱遥感是通过光谱成像仪(imaging spectrometer)将光谱信息引入遥感成像中去的多维度空间-光谱信息感知技术[1]。由于低空间分辨率导致混合像元现象、波段间高相似性导致Hughes现象、端元与光谱不对应导致数据结构高度非线性等原因，使得高光谱影像分类一直都是具有挑战性的热点问题，众多科研人员设计了多种不同类型的分类方法[2]。文献[3]将分类器根据设计方法异同划分为：监督类方法、非监督类方法、半监督类方法、混合类方法、集成类方法和多分类器融合方法6类。……