基于CNN模型的遥感图像复杂场景分类

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 张康  黑保琴  李盛阳  邵雨阳 

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。