基于多特征融合与CELM的场景分类算法

摘要：

场景分类对于场景图像的语义解译至关重要,是遥感领域近期的主要研究课题之一.针对大部分图像分类方法中提取的特征结构单一,依赖于大量人工标记的数据以及分类器的训练过程缓慢等问题,提出了一种基于多特征融合与约束极限学习机(constrained extreme learning machines,CELM)的场景图像分类方法.该方法采用三种不同结构的预训练卷积神经网络,利用特定数据集对其进行微调,将微调后网络提取到的三种特征进行融合并送入CELM分类器进行分类,最终得到图像的类别标签.以SIRI-WHU、WHU-RS19与UC-Merced数据集作为实验数据集,在预训练卷积神经网络、单一特征和传统分类器上进行的对比实验表明,基于多特征融合与CELM相结合的方法产生了较好的分类效果,三种数据集上的总分类精度分别高达99.25％、98.26％与97.70％.

关键词：场景分类;多特征融合;约束极限学习机

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：辽宁省自然科学基金2019GZDG0048

在线出版日期：2022-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：232-240