科创中国

      本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量， 解决了高光谱图像有 标记样本的稀缺问题， 同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱 特征实现了较高的分类精度。

  主要技术指标： 

      实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱 覆盖范围从 430nm 到 860nm，空间分辨率为 ***。该数据集一共含有 9 个类别的 42776 个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。

       由下表可以看出， 在每 类选取 30 个样本的情况下， 本 模 型 的 OA，AA，Kappa 系 数 比 DFFN 模 型 高 出 ***%， ***% 和 ***%； 比 CNN 高 出 ***%，***% 和 ***%。并且下表证明了使 用了伪标签样本扩充的空谱 全卷积网络的本方法在小样 本情况下每个类的分类准确 性均优于 DFFN 和 CNN， 达 到了较好的分类效果。