摘要

近年来，深度学习技术彻底改变了遥感数据的处理方式。高光谱数据分类也不例外，但由于其固有的特性，将深度学习应用于高光谱数据比应用于其他光学数据更为复杂。本文综述了先前的机器学习方法，回顾了目前提出的各种高光谱分类的深度学习方法，并识别了在这一任务中应用深度神经网络时出现的问题和困难。特别是，本文讨论了空间分辨率和光谱分辨率、数据量以及从多媒体图像到高光谱数据的模型迁移等问题。此外，本文还提供了一项关于不同网络架构家族的比较研究，并公开发布了一个软件工具箱，以便研究人员实验这些方法。本文旨在为对高光谱数据感兴趣的 数据科学家以及希望将深度学习技术应用于自己数据集的遥感专家提供参考。