基于深度学习特征融合的遥感图像场景分类应用
TP183; 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....
Saved in:
Published in | 南京信息工程大学学报 Vol. 15; no. 3; pp. 346 - 356 |
---|---|
Main Authors | , , , , , , |
Format | Journal Article |
Language | Chinese |
Published |
中北大学 数学学院,太原,030051%中北大学 信息与通讯工程学院,太原, 030051%中北大学 数学学院,太原,030051
2023
中北大学 信息与通讯工程学院,太原, 030051 |
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | TP183; 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. |
---|---|
ISSN: | 1674-7070 |
DOI: | 10.13878/j.cnki.jnuist.20220322002 |