卷积神经网络和特征融合的遥感图像场景分类

作者：何婧媛; 谢生龙; 田原; 田琴琴

来源：电子设计工程, 2022, 30(16): 60-64.

DOI：10.14022/j.issn1674-6236.2022.16.013

• 遥感图像
• 场景分类
• 深度学习
• 多尺度特征融合

针对遥感图像场景分类中多尺度特征提取困难和特征表征能力弱等问题，提出一种基于卷积神经网络和多尺度特征融合MFF-CNN(Multiscale Feature Fusion-Convolution Neural Network)的遥感图像场景分类方法。对MFF-CNN网络的高层特征和低层特征进行提取，采用跳跃式特征融合方式对其进行特征融合，将融合后的特征与全连接层输出作为高层特征，利用多核支持向量机MKSVM(Multi-Kernel Support Vector Machine)进行精确分类。将现有基于深度学习方法与MFF-CNN在3个公开的遥感图像场景分类基准数据集上进行验证，结果表明，MFF-CNN算法总体精度更高。