编号 zgly0001656016
文献类型 期刊论文
文献题名 基于CNN模型的遥感图像复杂场景分类
作者单位 中国科学院空间应用工程与技术中心 中国科学院太空应用重点实验室 中国科学院大学
母体文献 国土资源遥感
年卷期 2018年04期
年份 2018
分类号 TP751 TP183
关键词 卷积神经网络 深度学习 遥感图像 场景分类 支持向量机
文摘内容 复杂场景分类对于挖掘遥感图像中的价值信息具有重要意义。针对于遥感图像的复杂场景分类,提出了一种基于卷积神经网络(convolutional neural network,CNN)模型的分类方法,在该方法中构建了8层CNN网络结构,并对输入图像进行预处理操作以进一步增强模型的适应性,且在模型分类器的选择问题上提供了Softmax和支持向量机2种分类器,使其能够自动化提取特征,避免了前期繁琐的图像处理和人工提取特征等过程。在UC Merced Land Use和Google of SIRI-WHU这2组数据集中进行实验,结果表明,相比于CNN with Overfeat feature和SRSCNN方法,该模型提高了2%以上的分类精度,且2种分类器的总体分类精度均能达到95%以上。