基于卷积神经网络的遥感图像分类研究

摘要：

遥感图像分类是模式识别技术在遥感领域的具体应用,针对遥感图像处理中的分类问题,提出了一种基于卷积神经网络(convolutional neural networks,CNN)的遥感图像分类方法,并针对单源特征无法提供有效信息的问题,设计了一种多源多特征融合的方法,将遥感图像的光谱特征、纹理特征、空间结构特征等按空间维度以向量或矩阵的形式进行有效融合,以此训练CNN模型.实验表明,多源多特征相融合能够加快模型收敛速度,有效提高遥感图像的分类精度;与其他分类方法相比,CNN能够取得更高的分类精度,获得更优的分类效果.

关键词：遥感图像、地物分类、卷积神经网络、特征融合

所属期刊栏目：13

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金项目61472095

在线出版日期：2018-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：550-556