基于卷积神经网络的遥感影像地表覆盖分类

摘要：

遥感影像地表覆盖分类是地理国情监测和地理信息资源建设中至关重要的环节,利用卷积神经网络对遥感影像进行特征提取和分类,具有十分重要的科研和应用价值.为提高遥感影像的地表覆盖分类精度,在深度卷积神经网络VGGNet的基础上,采用SeLU函数作为激活函数,并将激活函数中的λ、α作为训练参数,得到改进的VGGNet,用逐层贪婪算法对网络参数初始化,并选择适当的学习次数利用迁移学习的方法对网络参数调整,以提高网络的泛化能力来提取遥感影像各类别的深层特征,从而有效进行地表覆盖分类.通过GF-1卫星影像的实验表明本文方法在地表覆盖分类精度方面的优越性.

关键词：卷积神经网络、地表覆盖分类、VGGNet、SeLU函数、迁移学习、网络训练

所属期刊栏目：27

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家重点研发计划2016YFB0501800

在线出版日期：2020-11-10（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：58-64