Spectral-Spatial Crop Classification Using Wavelet-Based Parallel Bidirectional LSTM Networks

doi:10.1007/s13253-026-00736-7

Spectral-Spatial Crop Classification Using Wavelet-Based Parallel Bidirectional LSTM Networks

2026-01-01

0

PRE

AI

DOI：10.1007/s13253-026-00736-7

原文链接

原文求助

摘要

En 中文

基于高光谱数据的精确作物分类对精准农业和环境监测至关重要。本研究提出了一种结合小波变换和平行双向长短期记忆网络（BiLSTM）的混合框架。首先利用小波变换从高光谱立方体中提取多尺度空间特征，随后通过平行BiLSTM分支捕捉前向和后向光谱依赖关系。这些输出结合后传输至密集分类层。该模型在五个标准高光谱数据集上进行了评估，包括印第安松林、萨利纳斯以及武汉无人机载高光谱图像数据集系列（包含汉川、洪湖和龙口三个用于作物分类的数据集），展示了高分类性能，总体准确率分别为99.28%、99.73%、99.70%、99.17%和99.68%。结果表明，结合光谱-空间分解与序列建模能有效提高作物类型识别的精确度。

Keyword:

Hyperspectral image classification

Crop classification

Wavelet

BiLSTM

Deep learning

Spectral-Spatial Crop Classification Using Wavelet-Based Parallel Bidirectional LSTM Networks

摘要

期刊

机构

引用论文