10.3969/j.issn.1007-130X.2019.07.015
基于特征整合的卷积神经网络草地分类算法
为提高遥感影像草地分类的精度,分析了卷积神经网络中提取图像特征的特点,提出了一种基于特征整合深度神经网络的遥感影像特征提取算法.首先,将遥感影像数据进行PCA白化处理,降低数据之间的相关性,加快神经网络学习的速率;其次,将从卷积神经网络中提取到的浅层特征和深层特征进行双线性整合,使得整合后的新特征更加完善和优化;最后,对遥感数据进行训练,由于新特征中有效信息的增加,使得特征表达能力得到提高,达到提高草地分类准确率的目的.实验结果表明:该算法能够有效地提高草地分类的准确率,分类精度达到94.65%,相较于卷积神经网络、BP神经网络和基于SVM的分类算法分别提高了4.3%、10.39%和15.33%.
遥感影像、草地分类、卷积神经网络、特征整合、PCA白化
41
TP391(计算技术、计算机技术)
国家自然科学基金61562086,61363083
2019-07-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
1251-1256