基于栈式去噪自编码器的遥感图像分类.pdf

JournalofComputerApplications ISSN 10o1．9081 2016．．12．．15 计算机应用，2016，36(s2)：171—174，188 C0DENJYIIDU http：／／www．joca．ca 文章编号 ：1001—9081(2016)s2-0171-04 基于栈式去噪 自编码器的遥感图像分类 张一飞，陈 忠 。，张 峰，欧阳超 (华中科技大学 自动化学院，武汉 430070) ($通信作者电子邮箱henpacked@163．coln) 摘 要：针对传统遥感图像分类方法难以取得更高精度的问题，提 出一种根据深度学习思想的基于栈式去噪 自 编码器的遥感图象分类方法。首先，将多个去噪 自编码器栈式叠加构成深度 网络模型，用无监督的layer．wise方法由 下至上训练每一层网络并在训练数据中加入噪声以得到更为稳健的特征表达；然后，通过反向传播(BP)神经网络对 特征进行有监督学习并利用误差反向传播对整个网络参数进行进一步优化得到最终的模型；最后，利用国产高分一 号遥感数据进行实验验证。基于栈式去噪 自编码器的遥感图像分类方法的总体分类精度和 kappa精度分别达到95． 7％和95．5％，均高于传统的支持向量机 (SVM)和BP神经网络的分类精度。实验结果表明，所提 出的方法能有效提 高遥感图像的分类精度。 关键词：深度学习；栈式去噪 自编码器；反向传播神经网络；遥感图像 ；地物分类 中图分类号：TP391．4；TP751．1 文献标志码 ：A RemotesensingimageclassificationbasedOilstackeddenoisingautoencoder ZHANG Yifei，CHENZhong ，ZHANGFeng，OUYANG Chao (CollegeofAutomation,HuazhongUniversityofScienceandTechnology,WuhanHubei430070，China) Abstract：Focusingontheissuehtatconvenfionalremotesensingimageelassificationmehtodscan’treachbettereffect，anew remotesensingimageclassificationmethod basedOilStackedDenoisingAutoEncoder(SDAE)inspiredbyde印 learningWas pmposed．Firstly，htedeepnetworkmodelWasbuiltthroughthestackedlayersofDenoisingAutoEncoder(DAE)，htenhte unsupervisedGreedylayer-wisetrainingalgorithm Was usedtotraineachlayerintum tl1noisedinputformorerobustexpression． characteristicswerelearntsupervisedbyBackPropagationfBP)neuralnetworknadthewholenetWasoptimizedbyusingeT／orback propagation．Finally，GF一1remotesensingdatawereusedofrevaluationandthetotalaccuracynad kappaaccuracywhichwere higherthanthoes ofSupportVectorMachine(SVM)nadBPneuralnetworkreached95．7％ and95．5％ respectively．The experimentresultsshowthathtepropesde method Cna effectivelyi