朱寿红，王胜利，舒帮荣

(江苏师范大学地理测绘与城乡规划学院，江苏 徐州 221116)

基于深度学习的高光谱遥感影像分类

朱寿红*，王胜利，舒帮荣

(江苏师范大学地理测绘与城乡规划学院，江苏 徐州 221116)

从传统高光谱遥感影像分类的不足出发，提出一种空-谱信息与深度学习相结合的影像分类方法。利用深度学习的常用模型—深度置信网络(DBN)对高光谱影像进行了基于空-谱特征的分类。首先利用主成分分析(PCA)对原始影像进行降维，再对主成分图影像块内的所有像素按照窗口大小进行重组，并用排序的方法堆栈融合为空-谱特征。最后利用得到的空-谱特征作为DBN的输入对高光谱影像进行分类。通过在2组高光谱数据上进行试验，并与传统的分类算法进行比较，发现本文方法能较好地提高分类精度。

高光谱遥感；空-谱特征；深度学习；限制玻尔兹曼机；深度置信网络；影像分类

1 引 言

影像分类作为遥感信息提取的重要手段，受到学者们的广泛研究并取得一定成果[1～4]。但由于高光谱影像图谱合一、高维度和数据中非线性成分的存在，传统分类方法难以满足其分类的需求，探索新的分类理论和方法具有十分重要的意义。在常用的高光谱影像分类方法中，支持向量机(Support Vector machine，SVM)是精度较高、应用广泛的模型之一[4～7]。而近年来，深度学习[8～9]成为解决影像分类所面临的高维数据和算法泛化能力差问题的一个有力工具，并在影像分类领域取得了很好的效果[10～13]。

为了进一步提高高光谱影像分类精度，应将光谱信息和空间信息充分结合起来，寻找一种适合高维数据处理的分类算法。……