A new deep convolutional neural network for fast hyperspectral image classification

A artificial neural networks (ANNs) have been widely used for the analysis of remotely sensed imagery. Különösen a konvolúciós neurális hálózatok (CNN) egyre nagyobb figyelmet kapnak ezen a területen. A CNN-ek igen hatékonynak bizonyultak olyan területeken, mint a képfelismerés és -osztályozás, különösen a kétdimenziós képekből álló nagy halmazok osztályozására. A multispektrális és hiperspektrális képekre való alkalmazásuk azonban néhány kihívással néz szembe, különösen a többdimenziós adatkockákban található nagydimenziós információk feldolgozásával kapcsolatban. Ez a számítási idő jelentős növekedését eredményezi. Ebben a tanulmányban egy új CNN-architektúrát mutatunk be hiperspektrális képek osztályozására. A javasolt CNN egy háromdimenziós hálózat, amely mind a spektrális, mind a térbeli információkat felhasználja. Határtükrözési stratégiát is alkalmaz a kép határterületeinek hatékony feldolgozása érdekében, és hatékonyan valósult meg grafikus feldolgozóegységek (GPU-k) használatával. Kísérleti eredményeink azt mutatják, hogy a javasolt hálózat pontosan és hatékonyan működik, csökkentve a számítási időt és növelve a pontosságot a hiperspektrális képek osztályozásában más hagyományos ANN technikákkal összehasonlítva.