利用微调卷积神经网络的土地利用场景分类

摘要：

针对场景类别之间的相同类内差异性与不同类间相似性所造成的遥感图像场景分类不够精确的问题,提出了将微调(fine-tuning)与卷积神经网络(convolutional neural network,CNN)模型相结合的方法,对土地利用遥感场景图像进行分类.该方法对CNN前层固定,调整分类层,保留了图像的泛性特征;通过卫星影像图获取土地利用场景图块作为训练样本,对训练样本图块进行预处理,然后对在ImageNet数据集上训练得到的AlexNet模型进行fine-tuning,利用得到的CNN模型即可自动提取土地利用遥感图像的图像特征并对其进行分类.为了验证本文方法,对实验区影像进行分割得到测试样本并进行同训练样本一致的预处理,将测试样本的分类结果与随机森林、支持向量机等经典方法的结果进行对比.结果 表明,经过fine-tuning的CNN模型在土地利用分类中得到的结果要明显优于其他分类方法.

关键词：微调、卷积神经网络、土地利用、场景分类、AlexNet模型

所属期刊栏目：34

分类号：TP751(遥感技术)

资助基金：国家自然科学基金青年科学基金11603016;“昆明市林业信息工程技术研究中心”基金2015FBI06;西南林业大学科研启动基金111827

在线出版日期：2019-08-05（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：70-77