利用DCNN融合特征对遥感图像进行场景分类

• 作 者: 王振国 陈宏宇 徐文明
• 机 构: 中国科学院上海微系统与信息技术研究所,中国科学院微小卫星创新研究院,上海科技大学信息科学与技术学院,中国科学院大学
• 出 处: 电子设计工程
• 发表日期: 2018年01期
• 关键词: 卷积神经网络 图像分类 深度学习 遥感 特征提取

为了解决在遥感图像场景分类问题中传统的底层或中间级视觉特征无法充分描述复杂场景的问题,提出了采用第三种感知网络(Inspection-v3)、快速特征嵌入的卷积神经网络(CaffeNet)、OverFeatL 3种深度卷积神经网络(DCNN)提取的融合特征进行遥感图像场景分类方法。通过利用利用3种DCNN提取的归一化的融合特征进行分类实验,在UCMLU(University of California Merced Land Use)数据集上获得了97.01%的准确率。融合特征的分类实验证明,不同结