基于CNN模型的高分辨率遥感图像目标识别.pdf

己口l5年 日月 l 第]5卷第 日期 研 究 与 开 发 基于CNN模型的高分辨率遥感图像 目标识别* 曲景影 孙 显 高 鑫 (中国科学院电子学研究所空间信息处理与应用系统技术重点实验室 北京 100190) 摘 要：遥感图像 目标识别作为当前遥感图像应用领域中的主要研究内容，具有重要的理论意义和广泛的应用价值。近年 来 ，深度学习成为机器学习领域 的一个新兴研究方向，卷积神经网络(convolutionalneuralnetworks，CNN)是一种得到广泛研 究与应用的深度学习模型。提出一种基于CNN模型的光学遥感图像 目标识别方法，在传统 IeNet一5网络结构的基础上，引 入 ReLU激活函数代替传统的Sigmoid函数和 tanh函数，使用卷积展开技术将卷积运算转换为矩阵乘法，并对网络结构进行 调整优化 ，提高 目标识别的准确性和效率 。利用QuickBird上的0．6m分辨率 的遥感 图像进行验证 ，实验结果表 明，基于改进 的CNN模型的方法可以取得较高的 目标识别准确率和效率。 关键词 ：遥感 图像 ；卷积神经网络 ；激活函数 ；卷积展开 ；目标识别 中图分类号 ：TP391 TN911．73 文献标识码 ：A 国家标准学科分类代码 ：520．2060 RemotesensingimagetargetrecognitionbasedonCNN QuJingying SunXian GaoXin (KeyLaboratoryofTechnologyinGeo—spatialInformationProcessingandApplicationSystem，InstituteofElectronics， ChineseAcademyofSciences，Beijing10O190，China) Abstract：Remotesensingimagetargetrecognitionisofgreatlytheoreticalsignificanceandwideapplicationvalue．Inre— centyears，DeepLearninghasbecomeanew researchdirectioninthefieldofmachinelearning，andConvolutionalNeural Network (CNN)isadeeplearningmodelofwidelyresearch andapplication．Inthispaper，amethodofopticalremote sensingimagetargetrecognitionbasedonCNN modelisproposed．BasedonthetraditionalLeNet一 5network，ReLU activation functionisusedtOreplacetheSigmoidandtanhactivationfunctions．Usingconvolutionallayerunrollingtech— nique，whichmakestheconvolutionalcalculationberepresentedbymatrixmultiplication．Theparametersandthestruc- tureoftheCNNnetworkareadjustedtOmakeitoptima1．Theaccuracyandeffectivenessoftheproposedmethodarever— ifiedbyusingQuickBird0．6m resolutiononremotesensingimage． Keywords：remotesensingimage；CNN ；activationfunction；convolutionalunrolling；targetrecognition