基于CNN模型的遥感图像复杂场景分类

详细信息

刊出日期: 2018-12-15

Complex scene classification of remote sensing images based on CNN

Publish Date: 15 December 2018

摘要: 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.
- 卷积神经网络 /
- 深度学习 /
- 遥感图像 /
- 场景分类 /
- 支持向量机

中国自然资源航空物探遥感中心	主办
地质出版社	出版