基于深度卷积神经网络的高分辨率遥感影像场景分类
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.
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
P237(摄影测量学与测绘遥感)
国家重点研发计划2016YFC0803107,2016YFB052601,2017YFB0504103;深圳市科技创新项目基础研究基金JCYJ20170307152553273
2019-11-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
17-22