深部ピクセルペア特徴を用いたハイパースペクトル画像分類

深部畳み込みニューラルネットワーク（CNN）は最近大きな関心を集めています。十分に大きな数のトレーニングサンプルがある場合、ハイパースペクトル画像分類で優れたパフォーマンスを提供できます。本論文では、この数を大幅に増加させる新しいピクセルペア手法を提案し、CNNの利点を実際に提供できるようにします。テストピクセルについて、中心ピクセルと周囲の各ピクセルを組み合わせて構成されたピクセルペアは、訓練されたCNNによって分類され、最終的なラベルは投票戦略によって決定されます。ピクセルペア特徴を学習するために深部CNNを利用した提案手法は、より高い識別力を持つことが期待されています。複数のハイパースペクトル画像データセットに基づく実験結果は、提案手法が従来の深層学習に基づく手法よりも優れた分類性能を達成できることを示しています。