SAT-CNN:基于卷积神经网络的遥感图像分类算法

摘要：

遥感图像空间分辨率较低,如何提取遥感图像特征是提升遥感图像分类性能的重要问题.提出SAT-CNN,一个基于卷积神经网络的遥感图像分类框架用于提取遥感图像特征.设计了四个构件块并逐层堆叠构成SAT-CNN,其中两个构件块用于提取遥感图像局部区域的底层特征,其他两个构件块用于提取遥感图像局部区域间的空间位置关系.对SAT-CNN采用三种不同的参数配置进行训练,通过分析分类精度、SAT-CNN特征的迁移性以及图像通道来研究SAT-CNN特征提取的准确性和通用性.实验结果表明,SAT-CNN在SAT-4以及SAT-6数据集上达到了较高的分类精度,能够提取适合遥感图像分类的图像特征.

关键词：遥感图像分类、深度学习、卷积神经网络、特征迁移

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61170185,61602320;辽宁省博士启动基金项目20121034,201601172;辽宁省教育厅科学研究一般项目L2014070,L201607

在线出版日期：2018-04-24（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：859-864