受空洞卷积在图像信息方面保持优秀性能的启发,为进一步提高分类精度,提出一种基于双通道空洞卷积神经网络(DCD-CNN)的高光谱图像分类框架。空洞卷积可扩展滤波器的感受野,有效地避免图像信息丢失,从而提高分类精度。在该框架中,分别采用含有空洞卷积的一维卷积神经网络(1D-CNN)和二维卷积神经网络(2D-CNN)提取高光谱图像的光谱特征和空间特征。再采用加权融合方法对提取的空间特征和光谱特征进行融合。最后将融合后的特征输入支持向量机进行最终分类。对两个常用的高光谱图像数据集进行实验并与现有的4种分类方法进行比较,结果表明,所提框架具有更好的分类性能。
2021-09-22 14:50:28
1.87MB
1
本系统是基于某毫米波测量雷达,该雷达接收机可输出正交的I、Q双通道零中频、200MHz带宽的模拟信号,以及220MHz采样时钟信号和推移信号。
2021-09-16 16:56:21
266KB
1
STM32CUBEMX+ADC双通道+DMA采集，STM32F411VET6, IAR
2021-09-11 09:06:35
23.97MB
1
16kHz, 16bit, 双通道立体声wav音频文件,用于调试声卡时使用。
2021-09-02 16:22:45
15.53MB
1