基于频带特征融合的GL-CNN遥感图像场景分类

论文摘要

高分辨率卫星遥感图像场景信息的分类对影像分析和解译具有重要意义,传统的高分辨卫星遥感图像场景分类方法主要依赖于人工提取的中、低层特征且不能很好的利用图像丰富的场景信息,针对这一问题,提出一种基于频带特征融合与GL-CNN（Guided Learning Convolutional Neural Network,指导学习卷积神经网络）的分类方法。首先通过NSWT（Non-Subsampled Wavelet Transform,非下采样小波变换）提取出图像的高低频子带,将高频子带进行频带特征融合得到融合高频子带,然后联合频谱角向能量分布曲线的平稳区间分析实现融合高频子带与低频子带的样本融合,最后指导卷积神经网络自动提取图像的高低频子带包含的高层特征来实现场景分类。通过对UCMLandUse 21类数据进行试验表明,本文方法的分类正确率达到94.52%,相比以往算法有显著提高。

论文目录

• 1 引言
• 2 算法原理与流程
•   2.1 NSWT图像子带分解
•   2.2 图像频带特征融合
•   2.3 卷积神经网络场景分类模型
•   2.4 算法整体流程
• 3 卫星图像场景分类试验
•   3.1 试验数据集
•   3.2 试验过程与分析
•   3.3 卫星图像场景分类算法分析对比
• 4 结语

文章来源

类型: 期刊论文

作者: 崔先亮,陈立福,邢学敏,袁志辉

关键词: 非下采样小波变换,频带特征融合,指导学习,样本融合,场景分类

来源: 遥感技术与应用 2019年04期

年度: 2019

分类: 基础科学,信息科技,工程科技Ⅱ辑

专业: 工业通用技术及设备,自动化技术

单位: 长沙理工大学电气与信息工程学院

基金: 国家自然科学基金青年基金项目“基于机载双天线InSAR系统三维地形实时获取算法研究”(41201468),国家自然科学基金青年基金项目“顾及流变参数的时序InSAR公路形变模型研究”(41701536),国家自然科学基金青年基金项目“面向复杂地形的多通道干涉SAR高精度DEM稳健反演研究”(61701047),湖南省教育厅项目“高分辨率SAR图像复杂背景下高精度鲁棒的道路提取算法研究”(16B004)

分类号: TP751;TP183

页码: 712-719

总页数: 8

文件大小: 1847K

下载量: 167