卷积神经网络及其在高光谱影像分类中的应用

　　本书是以卷积神经网络在高光谱影像分类中的应用为线索进行编写。全书内容分为7章：第1章介绍了高光谱影像分类的国内外研究现状，以及高光谱影像数据特点和评价指标；第2章介绍了卷积神经网络的原理，总结了卷积神经网络的发展现状，分析了卷积神经网络在高光谱影像分类中的应用情况；第3章至第6章分别介绍了结合纹理特征的双通道卷积神经网络、宽残差网络、残差密集网络、残差注意力网络等用于高光谱影像分类的卷积神经网络模型；第7章对本书所介绍的内容进行了总结，并就卷积神经网络在高光谱影像分类中的应用情况进行了展望。

　　魏祥坡，博士，中国人民解放军战略支援部队信息工程大学副教授、主要从事目标智能识别、高光谱遥感方面的研究工作。2019年毕业于战略支援部队信息工程大学获测绘科学与技术博士学位。目前主持了河南省自然科学基金1项，作为核心成员参与了国家自然科学基金项目、国家高分专项、河南省科技攻关项目等地方和军队科研项目10余项。发表论文20余篇，授权软件著作权3项，受理专利申请6项。

目 录

第1章 绪论 1
1.1 高光谱影像分类：原理、方法和问题 1
1.2 高光谱影像分类技术研究现状 3
1.3 高光谱影像数据 9
1.4 研究内容及章节安排 10
第2章 卷积神经网络 13
1.1 卷积神经网络基础理论 13
1.2 卷积神经网络研究现状 16
1.3 卷积神经网络在高光谱影像分类中的应用 19
第3章 结合纹理特征的双通道卷积神经网络分类方法 23
3.1 双通道卷积神经网络 23
3.2 高光谱影像纹理特征提取 26
3.3 结合纹理特征的双通道卷积神经网络高光谱影像分类 28
3.4 实验与分析 31
3.5 小结 36
第4章 利用宽残差网络的高光谱影像分类 38
4.1 残差网络 38
4.2 宽残差网络 42
4.3 宽残差网络的高光谱影像分类 45
4.4 实验与分析 48
4.5 小结 55
第5章 利用残差密集网络的高光谱影像分类 56
5.1 残差密集网络 56
5.2 残差密集网络的高光谱影像分类 59
5.3 实验与分析 60
5.4 小结 63
第6章 利用残差通道注意力网络的高光谱影像分类 65
6.1 注意力机制 65
6.2 残差通道注意力网络 69
6.3 残差通道注意力网络的高光谱影像分类 70
6.4 实验与分析 73
6.5 小结 78
第7章 总结与展望 80
7.1 总结 80
7.2 展望 81
参考文献 83
附录一 术语中英文对照表92
附录二 彩图95