高分辨率遥感影像场景的多尺度神经网络分类法

作者：郑卓; 方芳; 刘袁缘; 龚希; 郭明强; 罗忠文

来源：测绘学报, 2018, (05): 620-630.

• 高分辨率遥感影像
• 场景分类
• 联合多尺度卷积神经网络
• 高层特征增强表达
• 有限数据集 high resolution remote sensing imagery
• scene classification
• joint multi-scale convolution neural network
• enhanced high-level feature representation
• limit datasets

高分辨率遥感影像场景分类是实现复杂场景快速自动识别的基础,在军事、救灾等领域有十分重要的意义。为了在有限的遥感数据集上获得高识别精度,本文提出了一种基于联合多尺度卷积神经网络模型的高分辨率遥感影像场景分类方法。不同于传统的卷积神经网络模型,JMCNN建立了一个具有3个不同尺度通道的端对端多尺度联合卷积网络模型,包括多通道特征提取器、多尺度特征联合和Softmax分类3个部分。首先,多通道特征提取器提取图像中、高层多尺度特征;然后,多尺度特征联合对多个通道的中、高层多尺度特征进行多次融合以增强特征表达;最后,Softmax对高层特征进行分类。本文在UC Merced和SIRI遥感数据集进行测试,...

• 单位
  测绘遥感信息工程国家重点实验室; 武汉大学; 中国地质大学（武汉）