基于局部保持的遥感场景零样本分类算法

论文摘要

目标域遥感图像特征分布的变化,导致遥感场景零样本分类性能下降,针对该问题,提出一种基于局部保持的遥感场景零样本分类算法。首先,为减少冗余信息,采用解析字典学习方法,将源域中的场景图像特征和类别语义词向量嵌入到同一稀疏编码空间,并实现两者稀疏系数的强制对齐,以建立图像特征与词向量之间的关系;然后,通过保留图像特征空间中场景图像间的局部近邻关系,增强场景图像对应稀疏系数的鉴别性,以有助于对稀疏系数进行聚类分析;最后,为适应目标域图像特征分布变化,采用k-means算法对目标域场景图像的稀疏系数进行聚类,并以初始中心的类别标签作为对应的聚类簇中场景的类别标签。实验分别采用GoogLeNet和VGGNet图像特征,以数据集UCM作为源域遥感场景集,对目标域场景集RSSCN7进行零样本分类,获得了最高50.67%和53.29%的总体分类准确度,比现有算法各提升了8.06%和9.70%。实验结果表明:该算法能够适应目标域遥感场景图像特征分布的变化,显著提升遥感场景零样本分类效果,具有一定的优越性。

论文目录

• 1 引 言
• 2 解析字典学习
• 3 具体算法
•   3.1 源域遥感场景的局部保持
•   3.2 目标域遥感场景的局部保持
•   3.3 目标域遥感场景的k-means聚类
•   3.4 算法流程步骤
• 4 实验及结果分析
•   4.1 数据集及实验设置
•   4.2 鉴别性分析
•   4.3 收敛性分析
•   4.4 分类效果分析
•     4.4.1 总体分类准确度
•     4.4.2 RSSCN7各类别的分类准确度
•   4.5 计算效率分析
• 5 结 论

文章来源

类型: 期刊论文

作者: 吴晨,王宏伟,王志强,袁昱纬,刘宇,程红,全吉成

关键词: 遥感,零样本分类,算法,解析字典学习,图像特征

来源: 光学学报 2019年07期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 海军航空大学,空军航空大学,91977部队

基金: 国家自然科学基金青年基金(61301233)

分类号: TP751

页码: 345-356

总页数: 12

文件大小: 2209K

下载量: 157