共 7 条
- [7] AN EVALUATION OF FEATURE LEARNING METHODS FOR HIGH RESOLUTION IMAGE CLASSIFICATION[J] . P. Tokarczyk,J. Montoya,K. Schindler.ISPRS Annals of Photogrammetry, Remote Sensing an . 2012 (1)
SAT-CNN:基于卷积神经网络的遥感图像分类算法
被引：16
作者：
张德园
[1
]
常云翔
[1
]
张利国
[2
]
石祥滨
[1
]
机构：
[1] 沈阳航空航天大学计算机学院
[2] 辽宁省通用航空研究院人因工程研究室
来源：
关键词：
遥感图像分类;
深度学习;
卷积神经网络;
特征迁移;
D O I：
暂无
中图分类号：
TP751 [图像处理方法];
学科分类号：
摘要：
遥感图像空间分辨率较低,如何提取遥感图像特征是提升遥感图像分类性能的重要问题.提出SAT-CNN,一个基于卷积神经网络的遥感图像分类框架用于提取遥感图像特征.设计了四个构件块并逐层堆叠构成SAT-CNN,其中两个构件块用于提取遥感图像局部区域的底层特征,其他两个构件块用于提取遥感图像局部区域间的空间位置关系.对SAT-CNN采用三种不同的参数配置进行训练,通过分析分类精度、SAT-CNN特征的迁移性以及图像通道来研究SAT-CNN特征提取的准确性和通用性.实验结果表明,SAT-CNN在SAT-4以及SAT-6数据集上达到了较高的分类精度,能够提取适合遥感图像分类的图像特征.
引用
收藏
页码：859 / 864
页数：6
相关论文