基于ResNet的高光谱图像波段选择方法

高光谱遥感图像具有丰富的光谱信息,但其波段数量庞大,导致数据冗余和计算复杂度增加,限制了其在实际应用中的效率。针对该问题,本文提出了一种基于ResNet的波段选择方法BSNET_ResNet,通过深度学习技术挖掘高光谱图像的光谱和空间信息,同时降低数据维度。BSNET_ResNet方法由波段特征提取模块和波段重构模块组成。在特征提取模块中,利用卷积神经网络对高光谱图像进行前置处理,以增强数据质量并提取关键特征。波段重构模块则基于特征提取模块的输出,对提取的特征进行放大和还原,以恢复原始波段数。通过计算不同波段的权重,BSNET_ResNet能够选择出最具代表性的波段,从而在保证信息完整性的同时降低数据冗余。