高光谱影像小样本分类的图卷积网络方法

现有的基于卷积神经网络的高光谱影像分类方法通常对影像的规则正方形区域进行卷积，无法普遍适应具有不同地物分布和几何外观的影像局部区域，因此在小样本情况下的分类性能较差，而图卷积网络能对图拓扑信息所代表的不规则影像区域进行卷积。为此，本文提出基于图卷积网络的高光谱影像分类方法。该方法在构建拓扑图的过程中考虑了影像的空间光谱信息，并利用图卷积网络聚合邻居节点的特征信息。在Pavia大学、Indian Pines和Salinas 3个数据集上的试验结果表明，该方法能在训练样本较少的情况下取得较高的分类精度。