基于DCNN的高分辨率遥感影像场景分类

• 作者: 孟庆祥 段学琳
• 来源期刊: 华中师范大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 高分辨率遥感影像 场景分类 深度学习 深度卷积神经网络
• 年，卷（期）: 2019,（4）
• 页码范围: 568-574
• 页数: 7页
• 分类号: P237
• 字数: 3616字
• 语种: 中文
• DOI: 10.19603/j.cnki.1000-1190.2019.04.017

摘要

针对传统场景分类方法不能准确地表达高分辨率遥感影像丰富的语义信息问题,提出了一种基于卷积神经网络的高分辨率影像场景分类方法.此方法大致分为3步:第1步,依据不同卷积窗口做卷积运算提取颜色,纹理和形状等低阶特征;第2步,利用池化层将这些低阶特征进行过滤,得到重要特征;第3步,重组提取出来的特征以形成高阶语义特征进行场景分类.在具体实验中利用三个不同尺寸的卷积核对数据集进行分类探究,并且使用了数据增广、正则化和Dropout等手段,提升模型对新样本的适应能力,很好地解决了过拟合问题.该方法在所进行的实验中表现良好,在WHU-RS19数据集上取得了88.47％的准确率,和传统的场景分类方法相比,显著提升了分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟庆祥	武汉大学遥感信息工程学院	14	101	5.0	10.0
2	段学琳	武汉大学遥感信息工程学院	1	0	0.0	0.0