基于高光谱遥感影像土地利用分类算法与尺度的研究

针对高光谱影像在土地利用分类应用中空谱异质性造成类内方差增大,而深度学习高光谱分类模型中主流的空间取块机制仅利用局部空间信息无法有效缓解类内方差较大的难题,本文提出全局高光谱融合深度学习地物分类框架,在空间取块机制网络基础上引入条件随机场模型整合全局空间上下文信息,采用4种不同的分类算法,对比分析本文提出的框架在分类上的精度和尺度。实验结果表明,本文提出的模型极大地改善了分类结果中错分的孤立区域,有效缓解了高光谱影像空间异质性对分类精度的影响,相比于对比网络取得更高的分类精度。