基于生成对抗网络的高光谱图像分类

摘要

cqvip:针对高光谱图像分类领域中特征利用不足的问题,提出了一种基于生成对抗网络(Generative Adversarial Networks,GANs)的高光谱图像分类方法。根据高光谱图像空间域和光谱域的相关性,利用GANs方法,挖掘其深层特征,生成可分性更高的高光谱图像,并通过支持向量机(Support Vector Machine,SVM)对生成的高光谱图像进行分类。使用两组高光谱数据进行实验,结果表明,该方法能够在少量高光谱波段的情况下,对抗学习到较好的生成模型,使得生成的高光谱图像在地物分类实验中具有更高的分类精度。