深度迁移学习在高光谱遥感图像分类中的研究现状与展望

• 作 者: 刘小波 尹旭 刘海波 汪敏 颜丙云
• 机 构: 中国地质大学（武汉）自动化学院,青岛科技大学自动化与电子工程学院,复杂系统先进控制与智能自动化湖北省重点实验室
• 出 处: 青岛科技大学学报(自然科学版)
• 发表日期: 2019年03期
• 关键词: 高光谱 遥感 深度学习 深度迁移学习 图像分类 hyperspectralremote sensingdeep learningdeep transfer le
• 基金项目: 国家自然科学基金项目(61603355,61873249),中国地质大学(武汉)中央高校基本科研业务费资助项目(CUGL17022),湖北省自然科学基金面上项目(2018CFB528).

高光谱遥感通过利用许多窄电磁波波段获取包含丰富的空间、辐射和光谱信息,在对地观测研究领域扮演着重要角色。随着深度学习的迅速发展,深度神经网络及深度森林等算法在高光谱遥感图像分类任务中得到广泛应用,但同时也产生了一系列困难,如对训练样本数量需求高、模型训练耗时以及分类代价大等问题。将深度学习与迁移学习结合,能够有效解决上述问题,在高光谱遥感图像分类领域得到初步应用。本工作首先介绍高光谱遥感图像分类的相关背景,之后介绍深度学习在高光谱遥感图像分类中的应用,并指出其具有的优势与不足,最后介绍深度迁移学习在