基于LDCNN特征提取的多核SVM高分辨率遥感影像场景分类

摘要：

针对卷积神经网络特征维度高且单层特征不能准确表达复杂高分辨率遥感影像语义信息的问题,本文提出了一种提取低维卷积神经网络(LDCNN)深层次特征进行多核SVM分类的场景分类方法.首先将预训练的卷积神经网络改造成低维网络结构,其次提取低维网络的不同深层特征并进行不同核函数的SVM分类,找到对应的最优核函数;然后将多种最优核函数加权融合成为一个新的合成核;最后进行多核SVM分类.试验表明,本文方法不仅特征维度低,且通过多核SVM能够充分结合各层特征的优点,在两个标准数据集上均取得了99％以上的分类精度.此外,该试验还证明了本文方法具有较强的迁移学习能力.

关键词：高分辨率遥感影像;场景分类;卷积神经网络;特征提取;多核SVM

分类号：P237(摄影测量学与测绘遥感)

资助基金：中科院先导A专项课题;南京信息工程大学人才启动经费

在线出版日期：2021-09-06（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：14-21