高级搜索

基于深度卷积神经网络和多核学习的遥感图像分类方法

王鑫 李可 宁晨 黄凤辰

引用本文: 王鑫, 李可, 宁晨, 黄凤辰. 基于深度卷积神经网络和多核学习的遥感图像分类方法[J]. 电子与信息学报, 2019, 41(5): 1098-1105. doi: 10.11999/JEIT180628 shu
Citation:  Xin WANG, Ke LI, Chen NING, Fengchen HUANG. Remote Sensing Image Classification Method Based on Deep Convolution Neural Network and Multi-kernel Learning[J]. Journal of Electronics and Information Technology, 2019, 41(5): 1098-1105. doi: 10.11999/JEIT180628 shu

基于深度卷积神经网络和多核学习的遥感图像分类方法

    作者简介: 王鑫: 女,1981年生,副教授,研究方向为图像处理、模式识别、计算机视觉、机器学习;
    李可: 女,1996年生,硕士生,研究方向为深度学习理论;
    宁晨: 男,1978年生,讲师,研究方向为机器学习和模式识别;
    黄凤辰: 男,1964年生,副教授,研究方向为图像处理和分析
    通讯作者: 王鑫,wang_xin@hhu.edu.cn
  • 基金项目: 教育部中央高校基本科研业务费专项资金(2019B15314),国家自然科学基金(61603124),江苏省“六大人才高峰”高层次人才项目(XYDXX-007),江苏省“333高层次人才培养工程”,江苏政府留学奖学金项目

摘要: 为解决传统遥感图像分类方法特征提取过程复杂、特征表现力不强等问题,该文提出一种基于深度卷积神经网络和多核学习的高分辨率遥感图像分类方法。首先基于深度卷积神经网络对遥感图像数据集进行训练,学习得到两个全连接层的输出将作为遥感图像的两种高层特征;然后采用多核学习理论训练适合这两种高层特征的核函数,并将它们映射到高维空间,实现两种高层特征在高维空间的自适应融合;最后在多核融合特征的基础上,设计一种基于多核学习-支持向量机的遥感图像分类器,对遥感图像进行精确分类。实验结果表明,与目前已有的基于深度学习的遥感图像分类方法相比,该算法在分类准确率、误分类率和Kappa系数等性能指标上均有所提升,在实验测试集上3个指标分别达到了96.43%, 3.57%和96.25%,取得了令人满意的结果。

English

图(6)表(1)
计量
  • PDF下载量:  134
  • 文章访问数:  673
  • HTML全文浏览量:  329
文章相关
  • 通讯作者:  王鑫, wang_xin@hhu.edu.cn
  • 收稿日期:  2018-06-27
  • 录用日期:  2018-12-28
  • 网络出版日期:  2019-01-03
  • 刊出日期:  2019-05-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章