基于CNN-GCN双流网络的高分辨率遥感影像场景分类

摘要：

高分辨率遥感影像具有复杂的几何结构和空间布局,传统的卷积神经网络的方法仅能提取场景图像中的全局特征,忽略了上下文的关系,导致特征的表达能力受限,制约了分类精度提高.针对此问题,本文提出一个面向高分辨率遥感影像场景分类的CNN-GCN双流网络,该算法包含CNN流和GCN流两个模块.CNN流基于预训练DenseNet-121网络提取高分影像的全局特征;而GCN流采用由预训练VGGNet-16网络得到的卷积特征图构建邻接图,再通过GCN模型提取高分影像的上下文特征.最后,通过加权级联的方式有效地融合全局特征和上下文特征并利用线性分类器实现分类.本文选取AID、RSSCN7和NWPU-RESISC45共3个具有挑战性的数据集进行实验,得到的最高分类精度分别是97.14％、95.46％和94.12％,结果表明本文算法能够有效地表征场景并取得具有竞争力的分类结果.

关键词：高分辨率影像;遥感场景分类;图神经网络;卷积神经网络;特征融合

所属期刊栏目：25

资助基金：国家自然科学基金;中央高校基本科研业务费;重庆市基础研究;前沿探索项目;重庆市留学人员回国创业创新支持计划;重庆市研究生科研创新项目

在线出版日期：2021-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2270-2282