10.19678/j.issn.1000-3428.0053726
基于空间特征重标定网络的遥感图像场景分类
为充分利用遥感图像的场景信息,提高场景分类的正确率,提出一种基于空间特征重标定网络的场景分类方法.采用多尺度全向高斯导数滤波器获取遥感图像的空间特征,通过引入可分离卷积与附加动量法构建特征重标定网络,利用全连接层形成的瓶颈结构学习特征通道间的相关性,对多尺度空间特征进行权重筛选以实现特征重标定,并结合卷积神经网络训练得到最终的分类结果.实验结果表明,该方法在 UCM-LandUse 与机载 SAR 图像数据上的分类正确率分别达到94.76%和95.38%,与 MNCC、MS-DCNN、PCA-CNN等算法相比,其遥感图像分类精度与泛化能力显著提升.
遥感图像、场景分类、多尺度空间特征、特征重标定、卷积神经网络
46
TP751(遥感技术)
国家自然科学基金青年基金;湖南省教育厅优秀青年项目;湖南省研究生科研创新项目
2020-03-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
229-235