基于卷积神经网络的高光谱分类 CNN（上）

混合光谱HybridSN

传统的2-D CNN

传统的2-D CNN方法在处理HSI时往往只考虑了光谱信息，而忽略了空间信息的重要性。

混合光谱3-D CNN

HybridSN通过引入3-D CNN的思想，将光谱信息和空间信息结合在一起进行特征学习和分类。具体来说，HybridSN在网络结构中设计了专门处理光谱信息的卷积层和处理空间信息的卷积层，同时考虑了各个波段之间的相关性和空间上的局部特征。这种混合光谱的设计能够更全面地捕捉HSI图像中的特征，提高分类性能并减少信息损失。

操作步骤

环境：Jupyter Notebook

前言（准备）

获取数据以及引入基本的库函数

# 下载Indian Pines数据集的纠正版本和地面真实值数据集
! wget http://www.ehu.eus/ccwintco/uploads/6/67/Indian_pines_corrected.mat
! wget http://www.ehu.eus/ccwintco/uploads/c/c4/Indian_pines_gt.mat

# 安装Python库spectral，用于处理和分析遥感数据
! pip install spectral

导入相关的包

import numpy as np  # 导入NumPy库，用于处理数组和矩阵运算
import matplotlib.pyplot as plt  # 导入Matplotlib库，用于绘制图表和可视化数据
import scipy.io as sio  # 导入SciPy库的io模块，用于读取和写入MATLAB文件格式
from sklearn.decomposition import PCA  # 导入PCA算法，用于数据降维
from sklearn.model_selection import train_test_split  # 导入train_test_split函数，用于划分训练集和测试集
from sklearn.metrics import confusion_matrix, accuracy_score, classification_report, cohen_kappa_score  # 导入评估指标函数
import spectral  # 导入Spectral Python库，用于处理和分析遥感数据
import torch  # 导入PyTorch库，用于构建神经网络模型
import torchvision  # 导入PyTorch的视觉库，用于处理图像数据
import torch.nn as nn  # 导入PyTorch的神经网络模块
import torch.nn.functional