利用多尺度特征与深度网络对遥感影像进行场景分类

摘要：

针对因样本量小而导致的遥感图像场景分类精度不高的问题，结合非下采样 Contourlet 变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM)，提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样 Contourlet 变换方法对遥感图像多尺度分解，然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征，最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明，本算法能够结合低频和高频子带对不同类别场景的识别优势，对遥感图像场景取得较好的分类结果。

关键词：遥感图像、场景分类、深度卷积神经网络、非下采样轮廓波变换、多核支持向量机

所属期刊栏目：45

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2016-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：834-840