基于CNN的多光谱遥感图像地物覆盖分类

基于CNN的多光谱遥感图像地物覆盖分类

论文摘要

随着科技水平的提高,深度学习算法的出现为高分辨率遥感图像的研究带来了新的突破,但国内对于将深度学习应用于遥感图像处理的研究尚未广泛开展。为填补此类空白,提出一种基于卷积神经网络(CNN)的对于高分辨率多光谱遥感图像进行自动分类的方法,对传统CNN框架进行一定的优化并加入Inception结构,进而横向比对其与支持向量机(SVM)分类算法的实际分类效果。以卫星拍摄的地面实物图片为例对该方法进行实验,结果表明,所提出的基于CNN的分类方法相比于传统方法在精度上有显著提升,纹理特征更加突出,分类效果更加出众。

论文目录

  • 1 引言
  • 2 传统分类法及其原理
  •   2.1 支持向量机分类方法
  •   2.2 径向基函数分类方法
  •   2.3 基于CNN的分类方法
  • 3 改进的CNN分类方法
  • 4 实验及结果分析
  • 5 结束语
  • 文章来源

    类型: 期刊论文

    作者: 李玉峰,林辉

    关键词: 遥感图像分类,卷积神经网络,支持向量机,径向基函数神经网络

    来源: 微处理机 2019年01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: 沈阳航空航天大学电子信息工程学院

    基金: 高分专项省域产业化应用项目(70-Y40G09-9001-18,20),辽宁省教育厅基本科研重点项目(L201701)

    分类号: TP751;TP183

    页码: 43-48

    总页数: 6

    文件大小: 1704K

    下载量: 313

    相关论文文献

    标签:;  ;  ;  ;  

    基于CNN的多光谱遥感图像地物覆盖分类
    下载Doc文档

    猜你喜欢