基于DBN模型的遥感图像分类

被引：70

作者：

吕启 ^{[1
]}

窦勇 ^{[1
]}

牛新 ^{[1
]}

徐佳庆 ^{[1
]}

夏飞 ^{[2
]}

机构：

[1] 国防科学技术大学计算机学院并行与分布处理国防科技重点实验室

[2] 海军工程大学电子工程学院

来源：

计算机研究与发展 | 2014年 / 51卷 / 09期

关键词：

遥感图像; 合成孔径雷达; 地物分类; 深度学习; 受限玻尔兹曼机; 深度信念网络;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

摘要：

遥感图像分类是地理信息系统(geographic information system,GIS)的关键技术,对城市规划与管理起到十分重要的作用.近年来,深度学习成为机器学习领域的一个新兴研究方向.深度学习采用模拟人脑多层结构的方式,对数据从低层到高层渐进地进行特征提取,从而发掘数据在时间与空间上的规律,进而提高分类的准确性.深度信念网络(deep belief network,DBN)是一种得到广泛研究与应用的深度学习模型,它结合了无监督学习和有监督学习的优点,对高维数据具有较好的分类能力.提出一种基于DBN模型的遥感图像分类方法,并利用RADARSAT-2卫星6d的极化合成孔径雷达(synthetic aperture radar,SAR)图像进行了验证.实验表明,与支持向量机(SVM)及传统的神经网络(NN)方法相比,基于DBN模型的方法可以取得更好的分类效果.

引用

页码：1911 / 1918

页数：8