一种基于宽度学习系统的谱-空高光谱图像分类方法

宽度学习系统(BLS)通过扩展网络结构的宽度有效地克服了深度学习中训练耗时的问题.由于在分类过程中缺失了空间信息的使用,BLS往往不能获得满意的分类结果.为了改善BLS的分类性能,提出了一种基于BLS的光谱-空间高光谱图像分类方法(PBLSS).该方法利用主成分分析方法对波段子集进行特征提取,然后用主成分代替原来通过随机特征映射得到的特征节点,从而丰富了特征节点的信息;利用超像素对分类图进行后处理,明显地改善了BLS的分类性能.3个常用的数据集的实验结果表明,PBLSS方法比BLS的分类精度有了明显的提高.