基于深度学习特征融合的遥感图像场景分类应用

摘要：

针对传统手工特征方法无法有效提取整体图像深层信息的问题,本文提出一种基于深度学习特征融合的场景分类新方法.利用灰度共生矩阵(GLCM)和局部二值模式(LBP)提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息;通过基于AlexNet迁移学习网络提取图像的深层信息,在去除最后一层全连接层的同时加入一层 256 维的全连接层作为特征输出;将两种特征进行自适应融合,最终输入到网格搜索算法优化的支持向量机(GS-SVM)中对遥感图像进行场景分类识别.在公开数据集 UC Merced的 21 类目标数据和RSSCN7 的 7类目标数据的实验结果表明,5 次实验的平均准确率分别达 94.77％和 93.79％.该方法可有效提升遥感图像场景的分类精度.

关键词：图像分类、卷积神经网络、灰度共生矩阵、局部二值模式、迁移学习、支持向量机

所属期刊栏目：15

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;山西省基础研究计划项目;山西省基础研究计划项目;山西省基础研究计划项目;山西省基础研究计划项目;山西省留学回国人员科研项目;山西省留学回国人员科研项目

在线出版日期：2023-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：346-356