来源：期刊VIP网 时间：
作者：刘芳华;宋文杰;
单位：郑州轻工业大学;
摘要：高光谱图像具有光谱分辨率高、特征丰富、图谱合一等优势，在土地利用分类、城市规划管理、森林资源调查等领域有着广泛应用。但是，高光谱图像不同光谱通道间存在大量冗余信息，导致高光谱图像降维算法复杂度高，同时也降低了高光谱图像降维算法的性能。针对该问题，结合目前主流的深度学习技术，文中提出一种基于改进反馈卷积自编码器的高光谱图像降维方法。首先，为增强信息的流动，在原有编码器模型中引入残差连接，促进了梯度信息的传播；其次，为了能够更好地捕捉高光谱数据的关键特征，在现有解码器模型中加入分支结构；最后，通过使用平均池化替换最大池化，采用平均绝对误差（MAE）替换均方误差（MSE）损失函数，进一步优化模型的特征提取能力，提高高光谱图像降维的性能。实验结果表明，所提出模型在Indian Pines数据集上的高光谱图像降维性能超过了现有最新方法，为高光谱图像降维提供了一个新思路。
关键词：高光谱图像;;高光谱图像降维;;反馈卷积;;自编码器;;深度学习;;分支结构
基金资助：河南省科技攻关项目（242102210013）;; 河南省高等学校青年骨干教师培养计划项目（2023GGJS090）;; 国家自然科学基金项目（61502435）
