利用dcnn融合特征对遥感图像进行场景分类.pdfVIP

第26卷 第1期 电子设计工程 2018年1月 Vol.26 No.1 ElectronicDesignEngineering Jan.2018 利用DCNN融合特征对遥感图像进行场景分类 1，2，3，4 1，2，3 2 王振国 ，陈宏宇 ，徐文明 （1.中国科学院上海微系统与信息技术研究所上海200050；2.中国科学院微小卫星创新研究院上海 200120；3.上海科技大学信息科学与技术学院，上海200120；4.中国科学院大学北京 101407） 摘要：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）、 OverFeatL3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（UniversityofCaliforniaMerced LandUse）数据集上获得了97.01%的准确率。融合特征的分类实验证明，不同结构DCNN的融合 特征能更充分的表达场景的语义信息。 关键词：卷积神经网络；图像分类；深度学习；遥感；特征提取 中图分类号：TN919 文献标识码：A 文章编号：1674-6236（2018）01-0189-05 Fusingfeaturesofdeepconvolutionneuralnetworkstoachievethescene classificationofremotesensingimage 1，2，3，4 1，2，3 2 WANGZhen⁃guo ，CHENHong⁃yu ，XUWen⁃ming （1.ShanghaiInstituteofMicrosystemandInformationTechnology，Shanghai200050，China； 2.ShanghaiEngineeringCenterForMicrosatellites，Shanghai200120，China；3.SchoolofInformation ScienceandTechnology，ShanghaiTechUniversity，Shanghai 200120，China；4.UniversityofChinese AcademyofSciences，Beijing 101407，China） Abstract: Tosolvetheproblemthatlow-levelormid-levelfeaturescannotmakeafullydescriptionofa scenewithabundantdetailsinthetaskofsceneclassification，thispaperpresentamethodthatclassifies thescenewiththefusionfeatureofthreekindsofdeepconvolutionneuralnetwork（DCNN）:Inspection- v3，CaffeNetandOverFeatL.wegetaclassificationaccuracyof 97.01%withthenormalizedcombined featureofthisthreeDCNNintheUCMLU （UniversityofCaliforniaMercedLandUse）data