摘要

近年来，文献中提出了基于深度学习的土地覆盖分类算法。在高光谱图像（HSI）中，这些算法面临着高维度、光谱特征的空间变异性以及标注数据稀缺等挑战。本文提出了一种端到端的深度学习架构，该架构能够提取特定波段的光谱-空间特征并进行土地覆盖分类。该架构具有较少的独立连接权重，因此需要较少的训练数据。实验结果表明，该方法在流行的高光谱图像数据集上取得了高于已报告最高精度的成绩。