基于高层特征图组合及池化的高分辨率遥感图像检索

• 作者: 叶发茂 江顺亮 葛芸 马琳
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 遥感图像检索 迁移学习 高层特征图 组合 池化
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 论文
• 页码范围: 2487-2494
• 页数: 8页
• 分类号: TP751.1
• 字数: 6226字
• 语种: 中文
• DOI: 10.11999/JEIT190017

摘要

高分辨率遥感图像内容复杂,提取特征来准确地表达图像内容是提高检索性能的关键.卷积神经网络(CNN)迁移学习能力强,其高层特征能够有效迁移到高分辨率遥感图像中.为了充分利用高层特征的优点,该文提出一种基于高层特征图组合及池化的方法来融合不同CNN中的高层特征.首先将高层特征作为特殊的卷积层特征,进而在不同输入尺寸下保留高层输出的特征图;然后将不同高层输出的特征图组合成一个更大的特征图,以综合不同CNN学习到的特征;接着采用最大池化的方法对组合特征图进行压缩,提取特征图中的显著特征;最后,采用主成分分析(PCA)来降低显著特征的冗余度.实验结果表明,与现有检索方法相比,该方法提取的特征在检索效率和准确率上都有优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江顺亮	南昌大学信息工程学院	72	456	11.0	17.0
2	叶发茂	南昌大学信息工程学院	21	134	7.0	11.0
3	葛芸	南昌航空大学软件学院	4	39	3.0	4.0
4	马琳	南昌航空大学软件学院	1	0	0.0	0.0