联合显著性和多层卷积神经网络的高分影像场景分类

• 作者: 何小飞 张佳兴 邹峥嵘 陶超
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 卷积神经网络 显著性探测 高分辨率遥感影像 场景分类
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 1073-1080
• 页数: 8页
• 分类号: P237
• 字数: 5569字
• 语种: 中文
• DOI: 10.11947/j.AGCS.2016.20150612

摘要

高分辨率遥感影像中的场景信息,对于影像解译和现实世界的理解具有重要意义.传统的场景分类方法多利用中、低层人工特征,但是高分辨率遥感影像的信息丰富,场景构成复杂,需要高层次的特征来表达.本文提出了一种联合显著性和多层卷积神经网络的方法,首先利用显著性采样获取包含影像主要信息的有意义的块,将这些块作为样本集输入卷积神经网络中进行训练,获得不同层次的特征表达,最后联合多层特征利用支持向量机进行分类.两组高分影像场景数据UC Merced 21类和Wuhan7类试验表明,显著性采样能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,相比已有方法,本文方法能够有效提高分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹峥嵘	中南大学地球科学与信息物理学院	158	1385	19.0	29.0
2	陶超	中南大学地球科学与信息物理学院	20	182	7.0	13.0
3	何小飞	中南大学地球科学与信息物理学院	4	105	4.0	4.0
4	张佳兴	中南大学地球科学与信息物理学院	1	56	1.0	1.0