基于多尺度特征融合的遥感图像场景分类

• 作者: 慕晓冬 杨州 王舒洋 马晨晖
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 遥感图像 场景分类 深度卷积神经网络 特征融合 多核支持向量机
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 信息科学
• 页码范围: 3099-3107
• 页数: 9页
• 分类号: TP751
• 字数: 3762字
• 语种: 中文
• DOI: 10.3788/OPE.20182612.3099

摘要

为了解决遥感图像场景分类中因样本量小而分类精度不高的问题, 提出了一种基于多尺度特征融合 (MSFF) 的分类方法.首先, 对遥感图像进行尺度变换, 得到同一遥感源图像的多个不同尺度图像.接着, 将其分别输入深度卷积神经网络 (DCNN) 中进行卷积操作.然后, 将各卷积层和全连接层提取出的不同尺度特征进行降维和编码/平均池化操作.最后, 将各尺度特征进行编码融合并利用多核支持向量机 (MKSVM) 进行场景分类.在两个公开遥感图像数据集UCM Land-Use和NWPU-RESISC45中进行试验, 分类精度最高分别达到98.91％和99.33％.本文方法能够利用不同尺度的图像特征, 结合低、中、高层语义表示, 使融合特征的可辨识性更高, 同时使用多核支持向量机提高了深度网络学习的泛化能力, 因此分类效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	慕晓冬	火箭军工程大学信息工程系	18	104	5.0	10.0
2	王舒洋	火箭军工程大学信息工程系	7	21	3.0	4.0
3	杨州	火箭军工程大学信息工程系	1	6	1.0	1.0
4	马晨晖	火箭军工程大学信息工程系	2	6	1.0	2.0