基于深度卷积神经网络和多核学习的遥感图像分类方法

被引：44

作者：

王鑫 ^{[1
]}

李可 ^{[1
]}

宁晨 ^{[2
]}

黄凤辰 ^{[1
]}

机构：

[1] 河海大学计算机与信息学院

[2] 南京师范大学物理科学与技术学院

来源：

电子与信息学报 | 2019年 / 41卷 / 05期

关键词：

高分辨率遥感图像; 分类; 卷积神经网络; 多核学习;

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：

080201 [机械制造及其自动化]; 140502 [人工智能];

摘要：

为解决传统遥感图像分类方法特征提取过程复杂、特征表现力不强等问题,该文提出一种基于深度卷积神经网络和多核学习的高分辨率遥感图像分类方法。首先基于深度卷积神经网络对遥感图像数据集进行训练,学习得到两个全连接层的输出将作为遥感图像的两种高层特征;然后采用多核学习理论训练适合这两种高层特征的核函数,并将它们映射到高维空间,实现两种高层特征在高维空间的自适应融合;最后在多核融合特征的基础上,设计一种基于多核学习-支持向量机的遥感图像分类器,对遥感图像进行精确分类。实验结果表明,与目前已有的基于深度学习的遥感图像分类方法相比,该算法在分类准确率、误分类率和Kappa系数等性能指标上均有所提升,在实验测试集上3个指标分别达到了96.43%, 3.57%和96.25%,取得了令人满意的结果。

引用

页码：1098 / 1105

页数：8

共 9 条

[1]

基于深度学习的图像特征学习和分类方法的研究及应用 [D].