基于深度学习特征融合的遥感图像场景分类应用

作者：王李祺; 张成; 侯宇超; 谭秀辉; 程蓉; 高翔; 白艳萍^*

来源：南京信息工程大学学报(自然科学版), 2023, 15(03): 346-356.

DOI：10.13878/j.cnki.jnuist.20220322002

• 图像分类
• 卷积神经网络
• 灰度共生矩阵
• 局部二值模式
• 迁移学习
• 支持向量机

针对传统手工特征方法无法有效提取整体图像深层信息的问题，本文提出一种基于深度学习特征融合的场景分类新方法.利用灰度共生矩阵(GLCM)和局部二值模式(LBP)提取具有相关空间特性的纹理特征和局部纹理特征的浅层信息；通过基于AlexNet迁移学习网络提取图像的深层信息，在去除最后一层全连接层的同时加入一层256维的全连接层作为特征输出；将两种特征进行自适应融合，最终输入到网格搜索算法优化的支持向量机(GS-SVM)中对遥感图像进行场景分类识别.在公开数据集UC Merced的21类目标数据和RSSCN7的7类目标数据的实验结果表明，5次实验的平均准确率分别达94.77%和93.79%.该方法可有效提升遥感图像场景的分类精度.

• 单位
  中北大学; 数学学院