深度学习在遥感影像分类中的研究进展

被引：37

作者：

付伟锋

邹维宝

机构：

[1] 长安大学地质工程与测绘学院

来源：

计算机应用研究 | 2018年 / 35卷 / 12期

关键词：

深度置信网; 卷积神经网络; 栈式自动编码器; 遥感影像分类; 深度学习;

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：

随着遥感技术和计算机技术的不断发展,传统的遥感影像分类方法已不能满足如今遥感影像分类的需求。近年来,随着深度学习方面研究成果的不断涌现,它给遥感影像的分类提供了一种新的思路和方法。首先概述了遥感影像分类的发展和深度学习的基本概念,然后重点介绍了基于深度置信网、卷积神经网络和栈式自动编码器等深度学习模型在遥感影像分类中的研究进展,最后提出了目前研究中存在的问题及遥感影像分类的发展趋势。

引用

页码：3521 / 3525

页数：5

共 20 条

[1] 基于卷积神经网络的遥感图像飞机检测 [J].

张义德 ;

胡长雨 ;

胡春育 .

光电子技术, 2017, 37 (01) :66-71

[2] 高分辨率对地观测的若干前沿科学问题 [J].

李德仁 ;

童庆禧 ;

李荣兴 ;

龚健雅 ;

张良培 .

中国科学:地球科学, 2012, 42 (06) :805-813

[3] 面向对象遥感影像分类的最优分割尺度选择研究 [J].

于欢 ;

张树清 ;

孔博 ;

李晓峰 .

中国图象图形学报, 2010, (02) :352-360

[4]

Simultaneous extraction of roads and buildings in remote sensing imagery with convolutional neural networks[J] . Rasha Alshehhi,Prashanth Reddy Marpu,Wei Lee Woon,Mauro Dalla Mura.ISPRS Journal of Photogrammetry and Remote Sensin . 2017

[5]

Feature learning and change feature classification based on deep learning for ternary change detection in SAR images[J] . Maoguo Gong,Hailun Yang,Puzhao Zhang.ISPRS Journal of Photogrammetry and Remote Sensin . 2017

[6] Learning to Diversify Deep Belief Networks for Hyperspectral Image Classification [J].