一种轻量级的高光谱遥感图像分类方法

摘要

智慧农业已成为当今世界现代农业发展的大趋势,其中低空无人机遥感图像分析是现代精准农业的重点研究方向,它通过对无人机拍摄的高光谱遥感图像进行学习,来指导无人机进行精准作业.然而,中小型农场在发展智慧农场的过程中存在设备资源不足的弊端,因此本文提出了一种基于卷积神经网络的轻量级高光谱遥感图像分类方法,旨在保证较高分类精度的同时降低模型训练成本,从而帮助中小型农场避免更换昂贵的高性能设备,降低运营成本.本文方法使用主成分分析、数据扩增等数据预处理方法对高光谱遥感图像进行降维以及样本扩充,引入空谱联合特征提高分类精度,并对卷积神经网络结构进行优化加速了网络的训练过程.最后,通过在3个中小规模的基准数据集上进行实验,并与一些经典的传统分类方法以及深度学习方法进行对比,结果表明本方法能够保证较好的分类效果,同时减少网络训练的成本.