第４８卷第２期２０２３年２月测绘科学ＳｃｉｅｎｃｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＶｏｌ．４８Ｎｏ．２Ｆｅｂ．２０２３作者简介：苗永庆（１９９７—），男，河南安阳人，硕士研究生，主要研究方向为深度学习、神经网络在高光谱遥感影像分类中的应用。Ｅ－ｍａｉｌ：１４５７０１８１７８＠ｑｑ．ｃｏｍ收稿日期：２０２２－０５－２５基金项目：国家自然科学基金青年基金项目（４２００１２８６）；辽宁省教育厅重点项目（ＬＪ２０２０ＺＤ００３）通信作者：赵泉华教授Ｅ－ｍａｉｌ：ｚｑｈｌｂｙ＠１６３．ｃｏｍ引文格式：苗永庆，赵泉华，孙清．改进的残差３Ｄ－ＣＮＮ的高光谱遥感影像分类［Ｊ］．测绘科学，２０２３，４８（２）：１４８－１５６，１８４．（ＭＩＡＯＹｏｎｇｑｉｎｇ，ＺＨＡＯＱｕａｎｈｕａ，ＳＵＮＱｉｎｇ．Ｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｒｅｓｉｄｕａｌ３Ｄ－ＣＮＮ［Ｊ］．ＳｃｉｅｎｃｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇ，２０２３，４８（２）：１４８－１５６，１８４．）ＤＯＩ：１０．１６２５１／ｊ．ｃｎｋｉ．１００９－２３０７．２０２３．０２．０１９．改进的残差３Ｄ－ＣＮＮ的高光谱遥感影像分类苗永庆，赵泉华，孙清（辽宁工程技术大学测绘与地理科学学院，辽宁阜新１２３０００）摘要：针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题，该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势，提出融合改进Ｉｎｃｅｐｔｉｏｎ模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Ｉｎｃｅｐｔｉｏｎ模块包括４条不同的卷积层分支，用以提取蕴涵在高光谱遥感影像中多尺度的特征；利用了３Ｄ卷积核代替２Ｄ卷积核能直接同时提取高光谱遥感影像中更丰富的空－谱特征；通过残差结构连接分支提取特征缓解了梯度消失的问题，提取更深层次的特征。实验表明，该文算法不仅提高了条状和线状地物区域的边缘分类准确率，对小目标的分类能力也得到了增强。关键词：３Ｄ－ＣＮＮ；Ｉｎｃｅｐｔｉｏｎ模块；残差神经网络；高光谱遥感影像分类【中图分类号】Ｐ２３７【文献标志码】Ａ【文章编号】１００９－２３０７（２０２３）０２－０１４８－０９Ｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄ...
