基于多路卷积神经网络的多光谱场景识别方法

摘要：

现有的基于卷积神经网络的场景识别算法无法处理目标场景图形是多光谱图像的情况,在数据量较小的情况下,该算法的识别率不高.针对以上问题,提出一种基于多路卷积神经网络的多光谱场景识别方法.多路卷积神经网络接受三通道可见光彩色图像(RGB图像)以及单通道的近红外图像(NIR图像)共四通道输入.所提方法能够有效提取可见光图像特征、红外光图像特征以及可见光和红外光图像之间的关联特征,并将特征在全连接层进行融合,合理利用了各个光谱图像之间的相关信息,并通过结合预训练的方法来提高识别精度.在NIR_RGB数据集上的实验表明,与AlexNet、InceptionNet、ResNet以及人工设计特征描述子方法相比,该网络的平均识别率较高.并且,对此网络稍加改动,就能将其推广到其他多光谱图像分类任务中.

关键词：多光谱、卷积神经网络、图像分类、场景识别

所属期刊栏目：46

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61572147;广西科技计划项目AC16380108;广西图像图形智能处理重点实验室项目GIIP201701;广西研究生教育创新计划资助项目2018YJCX46;江西省自然科学基金资助项目20171BAB212015

在线出版日期：2019-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：265-270