КЛАССИФИКАЦИЯ ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ С ПОМОЩЬЮ СВЁРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ
В.И. Козик, Е.С. Нежевенко
"Институт автоматики и электрометрии СО РАН, г. Новосибирск, Россия kozik@iae.nsk.su"
Ключевые слова: классификация, гиперспектральное изображение, главные компоненты, свёрточные нейронные сети, обучение
Страницы: 13-21
Аннотация
Показано, что для классификации фрагментов гиперспектрального изображения весьма эффективны предварительная трансформация его спектральных признаков к главным компонентам и последующее распознавание с применением свёрточной нейронной сети, которая обучена на выборке, составленной из фрагментов этого изображения. Получены высокие проценты правильной классификации при работе с крупноформатным гиперспектральным изображением, причём часть классов, на которые разбито гиперспектральное изображение, очень близки между собой и соответственно трудноразличимы по гиперспектрам. Исследована зависимость правильной классификации от изменения размеров фрагментов, из которых составлены обучающая и валидационная выборки, и от параметров свёрточной нейронной сети.
Наш сайт использует куки. Продолжая им пользоваться, вы соглашаетесь на обработку персональных данных в соответствии с политикой конфиденциальности. Подробнее