基于深度卷积神经网络的高分辨率遥感影像场景分类

• 作者: 吴玄 孟庆祥
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: 高分辨率遥感影像 场景分类 深度卷积神经网络 过拟合 特征组合
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 学术研究
• 页码范围: 17-22
• 页数: 6页
• 分类号: P237
• 语种: 中文

摘要

场景分类对于高分辨率遥感影像的理解和信息提取具有重要意义.传统方法利用低、中级或语义特征来对影像的场景进行判别,但是针对高分影像涵盖的细节多、类别复杂等特点,中低层特征无法对影像语义进行准确描述.本文提出了一种基于深度卷积神经网络DCNN场景分类模型.首先利用卷积层对影像的纹理、颜色等低阶特征进行提取,然后利用池化层对重要特征进行筛选,最后将提取到的特征进行组合,形成高阶语义特征,利用高阶语义特征对高分影像进行场景分类.为了解决模型的过拟合问题,使用了数据增广、正则化及Dropout提高模型的泛化能力.本文方法在UC Merced-21取得了91.33％的准确率,相比于传统方法,有效地提高了分类精度,同时证明了深度卷积神经网络在遥感影像分类领域优越性.

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	吴玄	武汉大学遥感信息工程学院	2	4	1.0	2.0