基于高层特征图组合及池化的高分辨率遥感图像检索

摘要：

高分辨率遥感图像内容复杂,提取特征来准确地表达图像内容是提高检索性能的关键.卷积神经网络(CNN)迁移学习能力强,其高层特征能够有效迁移到高分辨率遥感图像中.为了充分利用高层特征的优点,该文提出一种基于高层特征图组合及池化的方法来融合不同CNN中的高层特征.首先将高层特征作为特殊的卷积层特征,进而在不同输入尺寸下保留高层输出的特征图;然后将不同高层输出的特征图组合成一个更大的特征图,以综合不同CNN学习到的特征;接着采用最大池化的方法对组合特征图进行压缩,提取特征图中的显著特征;最后,采用主成分分析(PCA)来降低显著特征的冗余度.实验结果表明,与现有检索方法相比,该方法提取的特征在检索效率和准确率上都有优势.

关键词：遥感图像检索、迁移学习、高层特征图、组合、池化

所属期刊栏目：41

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金41801288,41261091,61662044,61663031,61762067

在线出版日期：2019-10-28（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：2487-2494