基于DCGAN的深光谱空间特征提取方法在高光谱图像检索中的应用

基于DCGAN的深光谱空间特征提取方法在高光谱图像检索中的应用(中文5000字,英文PDF)
摘要——高光谱图像被表示为图像立方体，它将相同的地面物体成像，从紫外到微波范围有几十到几百个光谱带。近年来已经探索了用于高光谱图像的基于内容的图像检索（CBIR）。然而，提取高度描述性的特征以有助于改善高光谱图像检索的性能仍然是一个关注和挑战性的任务。目前，深度学习是机器学习的一个新的研究领域，它可以通过使用多层非线性处理单元的级联来提取更有效的深度特征。本文提出了一种基于深度卷积生成对抗网络（DCGAN）的高光谱图像检索的深谱 - 空间特征提取方法。首先，通过从高光谱图像中选择手动纯像素来提取光谱矢量。然后通过用一位（1BT）变换减小高光谱图像的维数后手动选择来自主带的纯像素的相邻像素来提取空间矢量。通过使用矢量堆叠（VS）方法将光谱矢量与空间矢量组合来获得作为训练样本的频谱空间矢量。训练DCGAN模型后，提取深谱空间特征，进一步应用于高光谱检索。在我们的方法和其他三种最先进的方法中进行实验，包括使用改进的自动像素纯度指数（APPI）的端元提取，光谱和空间特征提取，以及使用端元感应算法（EIA）的端元特征提取。 AVIRIS数据的实验结果表明，我们的方法可以获得更高的高光谱图像检索精度，进一步证明我们提取的深谱空间特征具有更强的描述能力。