基于卷积神经网络模型的遥感图像分类

• 作者: 付秀丽 孙旭 左志远 李建军 毛克彪 谭雪兰 黎玲萍
• 来源期刊: 高技术通讯
• 关键词: 卷积神经网络(CNN) 模型 支持向量机(SVM) 特征提取 遥感图像分类
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 203-212
• 页数: 10页
• 字数: 5589字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2017.03.002

摘要

研究了遥感图像的分类,针对遥感图像的支持向量机(SVM)等浅层结构分类模型特征提取困难、分类精度不理想等问题,设计了一种卷积神经网络(CNN)模型,该模型包含输入层、卷积层、全连接层以及输出层,采用SoftMax分类器进行分类.选取2010年6月6日LandsatTM5富锦市遥感图像为数据源进行了分类实验,实验表明该模型采用多层卷积池化层能够有效地提取非线性、不变的地物特征,有利于图像分类和目标检测.针对所选取的影像,该模型分类精度达到94.57%,比支持向量机分类精度提高了5%,在遥感图像分类中具有更大的优势.