基于可控多样性生成对抗网络的水环境遥感影像场景分类方法

摘要：

利用深度学习进行高分辨率遥感影像场景分类可以获得较高精度.深度模型通常需要大量的高质量的训练样本,然而,一些应用的样本数量本身就较少且缺乏多样性,同时受限于成本一些工作难以收集大量样本;空间信息单一且数量较少的样本集导致深度模型易于拟合于特异特征,从而降低分类能力.通过引入张量生成器T构建在空间结构与细节上具有多样性的二维描述张量,并根据二维描述张量生成遥感场景影像,提出一种基于可控多样性生成对抗网络的水环境遥感影像场景分类方法(CD-GAN),最后引入UC-Merced和AID两个遥感场景分类数据集进行5 种不同方法的对比实验.结果表明:该遥感影像场景分类方法(CD-GAN)可提高原始样本集在空间特征和结构上的多样性,促进CNN在训练过程能够发现场景的关键空间特征,并将分类精度最高达到95.0±0.4.

关键词：可控多样性生成对抗网络、遥感场景影像、场景分类、张量生成器

分类号：TP391.7(计算技术、计算机技术)

资助基金：湖北省水利重点科研项目HBSLKY202117

在线出版日期：2023-09-28（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：42-49