论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 王鑫,李可,宁晨,黄凤辰
关键词: 高分辨率遥感图像,分类,卷积神经网络,多核学习
来源: 电子与信息学报 2019年05期
年度: 2019
分类: 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: 河海大学计算机与信息学院,南京师范大学物理科学与技术学院
基金: 教育部中央高校基本科研业务费专项资金(2019B15314),国家自然科学基金(61603124),江苏省“六大人才高峰”高层次人才项目(XYDXX-007),江苏省“333高层次人才培养工程”,江苏政府留学奖学金项目~~
分类号: TP751;TP18
页码: 1098-1105
总页数: 8
文件大小: 7601K
下载量: 1606
相关论文文献
标签：高分辨率遥感图像论文; 分类论文; 卷积神经网络论文; 多核学习论文;