激光与光电子学进展, 2020, 57 (12): 122803, 网络出版: 2020-06-03 复制并引用该论文  本文已被引 3 次  被引通知

图 & 表

图 1. 所提框架结构

Fig. 1. Structure diagram of the proposed framework

下载图片 查看原文

图 2. 一维空洞卷积示意图。(a)标准卷积;(b)空洞卷积

Fig. 2. Schematic of 1D dilated convolution. (a) Standard convolution; (b) dilated convolution

下载图片 查看原文

图 3. DCD-CNN结构

Fig. 3. DCD-CNN structure

下载图片 查看原文

图 4. 不同数据集在不同λ值的OA精度

Fig. 4. OA accuracy of different datasets at different λ values

下载图片 查看原文

图 5. 不同方法在Indian Pines数据集上的分类图。(a)真值图;(b) SVM;(c) AEAP;(d) DCNN; (e) FEFCN-ELM;(f)所提方法

Fig. 5. Classification maps of different methods on Indian Pines dataset. (a) Ground truth; (b) SVM; (c) AEAP; (d) DCNN; (e) FEFCN-ELM; (f) proposed method

下载图片 查看原文

图 6. 不同方法在Pavia University数据集上的分类图。(a)真值图;(b) SVM;(c) AEAP;(d) DCNN;(e) FEFCN-ELM;(f)所提方法

Fig. 6. Classification maps of different methods on Pavia University dataset. (a) Ground truth; (b) SVM; (c) AEAP; (d) DCNN; (e) FEFCN-ELM; (f) proposed method

下载图片 查看原文

表 1不同方法在Indian Pines数据集上的分类结果

Table1. Classification results of different methods on Indian Pines datasetunit: %

Class SVM AEAP DCNN FEFCN-ELM Proposed 1 21.73 67.39 91.30 91.30 98.91 2 64.07 81.86 90.12 95.37 98.76 3 62.89 73.73 77.71 92.53 99.55 4 51.47 79.32 55.27 85.23 96.85 5 83.02 94.82 88.40 92.13 97.05 6 96.30 98.90 97.53 99.17 99.79 7 64.28 89.28 82.14 82.14 91.07 8 97.07 97.90 98.74 99.58 100.00 9 45.00 65.00 45.00 45.00 60.00 10 71.70 79.42 90.53 95.78 97.25 11 85.09 90.87 97.10 98.20 99.67 12 70.65 80.26 89.03 97.13 98.27 13 96.58 99.02 100.00 99.89 100.00 14 95.65 97.86 97.15 98.81 99.68 15 62.95 62.69 73.57 91.70 99.03 16 82.79 91.39 70.96 82.79 87.37 OA 79.00 87.15 90.97 96.16 98.83 AA 71.95 84.36 84.03 90.43 95.20 Kappa 75.94 85.28 89.65 95.61 98.66

查看原文

表 2不同方法在Pavia University数据集上的分类结果

Table2. Classification results of different methods on Pavia University datasetunit: %

Class SVM AEAP DCNN FEFCN-ELM Proposed 1 84.05 92.51 94.40 96.24 99.95 2 94.90 97.75 98.52 98.12 99.99 3 55.93 82.46 80.56 81.65 100.00 4 66.74 94.64 90.79 94.81 98.21 5 88.02 98.43 98.88 97.47 100.00 6 70.07 84.21 86.41 80.53 100.00 7 86.01 83.08 82.78 91.95 100.00 8 90.76 83.43 88.91 93.07 99.45 9 99.68 100.00 99.89 99.68 100.00 OA 85.63 92.75 93.75 94.10 99.82 AA 81.80 90.72 91.24 92.61 99.73 Kappa 80.65 90.36 91.65 92.13 99.75

查看原文

胡丽, 单锐, 王芳, 江国乾, 赵静一, 张智. 基于双通道空洞卷积神经网络的高光谱图像分类[J]. 激光与光电子学进展, 2020, 57(12): 122803. Li Hu, Rui Shan, Fang Wang, Guoqian Jiang, Jingyi Zhao, Zhi Zhang. Hyperspectral Image Classification Based on Dual-Channel Dilated Convolution Neural Network[J]. Laser & Optoelectronics Progress, 2020, 57(12): 122803.