基于改进U-Net的高光谱农林植被分类方法

打开文本图片集

摘 要：针对高光谱图像中的“同谱异物”和“同物异谱”现象导致传统机器学习方法难以精确区分，以及深度学习模型处理高维遥感数据耗时较长的问题，本文以河北省雄安新区雄县雄州镇马蹄湾村19种土地覆被类型（农林植被为主）为研究对象，提出一种基于改进U-Net的高光谱农林植被分类方法。该方法以U-Net为基础框架，首先利用主成分分析（Principal Component Analysis， PCA）提取主要光谱波段，降低光谱冗余度;然后提出特征提取模块，该模块使用深度可分离卷积替代U-Net中的传统卷积，提取高光谱图像多尺度特征，降低网络复杂度，并采用非线性更好的h-swish（hard-swish）激活函数提升网络的泛化性能;最后在每个特征提取模块中引入残差连接提取深层次语义信息。（剩余14917字）