注意力引导特征融合与联合学习的遥感影像场景分类

摘要：

为充分利用遥感影像的多尺度特征,解决遥感影像尺度差异、类间相似和类内差异等现象给高精度场景分类造成的困难,本文提出了一种注意力引导特征融合和联合学习的遥感影像场景分类方法.首先,利用深层卷积神经网络提取影像不同层次的特征图;然后,利用设计的残差注意力机制增强不同层次特征图的语义信息、抑制冗余噪声信息;最后,使用全局均值池化获取不同层次特征图的全局信息以构建特征向量,并将不同层次的特征向量融合,3个不同层次的特征向量及融合后的特征向量分别采用独立的全连接层进行分类.利用联合损失训练网络参数,采取多分类器决策级融合的方式提高预测的稳健性.在UC Merced、AID和NWPU-RESISC45数据集上的试验结果表明,本文方法显著改善了对相似场景及类内差异显著场景的辨识能力,与使用多尺度特征的同类型场景分类方法相比,总体分类精度分别提高0.84％、4.04％和4.43％.

关键词：遥感影像、场景分类、卷积神经网络、特征融合、联合学习、注意力机制

所属期刊栏目：52

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金42001338

在线出版日期：2023-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：624-637