[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 高光谱图像分类的保相似性深度特征

摘要： 近年来，深度学习被引入高光谱图像（HSI）以提取层次化特征，并取得了良好的分类效果。然而，以往基于深度学习的方法仅考虑单个像素的语义信息，无法有效处理高光谱图像复杂的"光谱-空间"特性。本文提出一种新颖的深度学习框架来学习用于高光谱分类的相似性保持深度特征（SPDF）。具体而言，我们首先构建一个能以图像块对作为训练样本的深度网络，然后精心设计损失函数使特征空间中相似样本对的特征距离最小化、不相似样本对的特征距离最大化。当深度网络训练完成后，通过样本在训练网络中的前向传播即可获得SPDF。最终将这些特征输入支持向量机（SVM）进行高光谱分类。实验结果表明，所提方法优于其他对比方法。