高分辨率光学遥感场景分类的深度度量学习方法

被引：19

作者：

叶利华 ^{[1
,2
]}

王磊 ^{[1
]}

张文文 ^{[1
]}

李永刚 ^{[2
]}

王赠凯 ^{[2
]}

机构：

[1] 同济大学电子与信息工程学院

[2] 嘉兴学院数理与信息工程学院

来源：

测绘学报 | 2019年 / 48卷 / 06期

基金：

国家重点研发计划; 浙江省自然科学基金;

关键词：

深度学习; 度量学习; 均值中心度量损失; 遥感影像; 场景分类;

D O I：

暂无

中图分类号：

TP751 [图像处理方法]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对高分辨率光学遥感影像场景具有同类型内部差异大、不同类型间相似度高导致部分场景识别困难的问题,本文提出了一种深度度量学习方法。首先在深度学习模型的特征输出层上为每类预设聚类中心,其次基于欧氏距离方法设计均值中心度量损失项,最后联合交叉熵损失项以及权重与偏置正则项构成模型的损失函数。该方法的目标是在特征空间上使同类型特征聚集并扩大类型间的距离以提高分类准确率。试验结果表明,本文方法有效地提升了分类准确率。在RSSCN7、UC Merced和NWPU-RESISC45数据集上,与现有方法相比,分类准确率分别提高了1.46%、1.09%和2.51%。

引用

页码：698 / 707

页数：10

共 6 条

[1] 特征提取策略对高分辨率遥感图像场景分类性能影响的评估
钱晓亮
李佳
程塨
姚西文
赵素娜
陈宜滨
姜利英
[J]. 遥感学报, 2018, 22 (05) : 758 - 776
[2] 高分辨率遥感影像场景的多尺度神经网络分类法
郑卓
方芳
刘袁缘
龚希
郭明强
罗忠文
[J]. 测绘学报, 2018, 47 (05) : 620 - 630
[3] 利用多尺度特征与深度网络对遥感影像进行场景分类
许夙晖
慕晓冬
赵鹏
马骥
[J]. 测绘学报, 2016, (07) : 834 - 840
[4] Parallel multi-stage features fusion of deep convolutional neural networks for aerial scene classification
Ye, Lihua
Wang, Lei
Sun, Yaxin
Zhao, Liping
Wei, Yuanwang
[J]. REMOTE SENSING LETTERS, 2018, 9 (03) : 294 - 303
[5] Incorporating texture into classification of forest species composition from airborne multispectral images
Franklin, SE
Hall, RJ
Moskal, LM
Maudie, AJ
Lavigne, MB
[J]. INTERNATIONAL JOURNAL OF REMOTE SENSING, 2000, 21 (01) : 61 - 79
[6] Improving remote sensing scene classification by integrating global-context and local-object features. ZENG Dan,CHEN Shuaijun,CHEN Boyang,et al. Remote Sensing of Environment . 2018

← 1 →