遥感图像飞机目标分类的卷积神经网络方法
目的 遥感图像飞机目标分类,利用可见光遥感图像对飞机类型进行有效区分,对提供军事作战信息有重要意义.针对该问题,目前存在一些传统机器学习方法,但这些方法需人工提取特征,且难以适应真实遥感图像的复杂背景.近年来,深度卷积神经网络方法兴起,网络能自动学习图像特征且泛化能力强,在计算机视觉各领域应用广泛.但深度卷积神经网络在遥感图像飞机分类问题上应用少见.本文旨在将深度卷积神经网络应用于遥感图像飞机目标分类问题.方法 在缺乏公开数据集的情况下,收集了真实可见光遥感图像中的8种飞机数据,按大致4∶1的比例分为训练集和测试集,并对训练集进行合理扩充.然后针对遥感图像与飞机分类的特殊性,结合深度学习卷积神经网络相关理论,有的放矢地设计了一个5层卷积神经网络.结果 首先,在逐步扩充的训练集上分别训练该卷积神经网络,并分别用同一测试集进行测试,实验表明训练集扩充有利于网络训练,测试准确率从72.4％提升至97.2％.在扩充后训练集上,分别对经典传统机器学习方法、经典卷积神经网络LeNet-5和本文设计的卷积神经网络进行训练,并在同一测试集上测试,实验表明该卷积神经网络的分类准确率高于其他两种方法,最终能在测试集上达到97.2％的准确率,其余两者准确率分别为82.3％、88.7％.结论 在少见使用深度卷积神经网络的遥感图像飞机目标分类问题上,本文设计了一个5层卷积神经网络加以应用.实验结果表明,该网络能适应图像场景,自动学习特征,分类效果良好.
可见光遥感、飞机、分类、深度学习、卷积神经网络
22
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61671037;中国航天科技集团公司科技创新研发项目National Natural Science Foundation of China61671037
2017-06-19（万方平台首次上网日期，不代表论文的发表时间）
共7页
702-708
