基于卷积神经网络的遥感图像分类研究

• 作者: 李亚飞 董红斌
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 遥感图像 地物分类 卷积神经网络 特征融合
• 年，卷（期）: 2018,（4）
• 页码范围: 550-556
• 页数: 7页
• 分类号: TP301
• 字数: 4067字
• 语种: 中文
• DOI: 10.11992/tis.201706078

摘要

遥感图像分类是模式识别技术在遥感领域的具体应用,针对遥感图像处理中的分类问题,提出了一种基于卷积神经网络(convolutional neural networks,CNN)的遥感图像分类方法,并针对单源特征无法提供有效信息的问题,设计了一种多源多特征融合的方法,将遥感图像的光谱特征、纹理特征、空间结构特征等按空间维度以向量或矩阵的形式进行有效融合,以此训练CNN模型.实验表明,多源多特征相融合能够加快模型收敛速度,有效提高遥感图像的分类精度;与其他分类方法相比,CNN能够取得更高的分类精度,获得更优的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董红斌	哈尔滨工程大学计算机科学与技术学院	36	277	9.0	15.0
2	李亚飞	哈尔滨工程大学计算机科学与技术学院	1	15	1.0	1.0