顾及局部特性的CNN在遥感影像分类的应用

摘要：

深度学习的方法在图像识别和自然语言处理等方面展示了优异的性能.将卷积神经网络(Convolution Neural Network,CNN)用于高分辨率遥感影像分类.针对CNN用于遥感影像分类使用固定大小窗口遍历时,影像采样窗口数量过多,导致的分类效率低下问题,提出一种基于影像区域特性的采样窗口确定方法,提高分类效率.影像分类包括两个阶段:首先,利用卷积神经网络得到的特征对影像进行分类;然后,采用支撑向量机对第一步分类由于特征区分性不足造成的错分地物类别进行再分类.采用具有不同特性的遥感影像对所提方法进行了验证,实验结果表明,同现有的特征表示和分类方法相比,该方法的性能有明显改善.

关键词：卷积神经网络(CNN)、影像分割、影像分类、迁移学习

所属期刊栏目：54

分类号：TP753(遥感技术)

资助基金：国家测绘地理信息公益性行业科研专项项目201412015

在线出版日期：2018-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：188-195