基于深度卷积神经网络的遥感图像场景分类

• 作者: 芦国军 陈丽芳
• 来源期刊: 太原师范学院学报（自然科学版）
• 学科: 工学
• 关键词: 深度卷积神经网络 遥感图像 特征融合 PRelu
• 年，卷（期）: 2019,（1）
• 页码范围: 57-62
• 页数: 6页
• 分类号: TP391
• 语种: 中文

摘要

遥感图像场景分类在地理空间对象检测、自然灾害检测、地理图像检索、环境监测等方面具有广泛的应用前景,引起了人们的广泛关注.文章改进了传统的深度卷积神经网络(DC-NN),将其应用于遥感图像场景分类研究,提出了一种改进后的7层网络结构,在激活函数的选择上,针对神经元通过Relu进行激活容易激活失败的情况,采用PRelu函数替代Relu;针对传统的深度学习方法不能融合多种细粒度深度学习特征的问题,采用分层特征融合的方法,通过实验对比,将第四个卷积层、池化层和最后一个全连接层提取到的特征进行串联融合,得到一种更加有效的深度特征.与传统深度学习方法相比,文章所提方法分类准确率提高了8.81％.实验结果表明,该方法在准确率、Kappa系数上均有良好表现,取得了良好的分类效果.